Baixe o app para aproveitar ainda mais
Prévia do material em texto
Sebenta de A´lgebra Linear e Geometria Anal´ıtica Francisco Miranda Isabel Arau´jo Joana Pires So´nia Dias Sebenta de A´lgebra Linear e Geometria Anal´ıtica Apontamentos dirigidos aos cursos: Engenharia Alimentar Engenharia Civil e Ambiente Engenharia Electro´nica e Redes de Computadores Engenharia Informa´tica Engenharia de Sistemas de Energias Renova´veis Tecnologias da Computac¸a˜o Gra´fica e Multime´dia Gesta˜o Engenharia e Tecnologias dos Materiais Escola Superior de Tecnologia e Gesta˜o Instituto Polite´cnico de Viana do Castelo 2010/2011 Conteu´do 1 Sistemas de equac¸o˜es lineares. Matrizes 7 1.1 Introduc¸a˜o . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 1.1.1 Sistemas de equac¸o˜es lineares . . . . . . . . . . . . . . . . . . . 7 1.1.2 Me´todo de Eliminac¸a˜o de Gauss . . . . . . . . . . . . . . . . . . 9 1.2 Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 1.2.1 Definic¸a˜o de matriz e submatriz . . . . . . . . . . . . . . . . . . 12 1.2.2 Alguns tipos particulares de matrizes . . . . . . . . . . . . . . . 14 1.2.3 Operac¸o˜es elementares com matrizes. Resoluc¸a˜o de sistemas - Me´todo de eliminac¸a˜o de Gauss . . . . 15 1.2.4 Resoluc¸a˜o de sistemas - Me´todo de Eliminac¸a˜o de Gauss-Jordan 17 1.2.5 Discussa˜o de sistemas . . . . . . . . . . . . . . . . . . . . . . . . 18 1.2.6 Sistemas Homoge´neos . . . . . . . . . . . . . . . . . . . . . . . . 20 1.2.7 Operac¸o˜es com matrizes . . . . . . . . . . . . . . . . . . . . . . 21 1.2.8 Aplicac¸a˜o da inversa de matrizes na resoluc¸a˜o de sistemas de equac¸o˜es lineares . . . . . . . . . . . . . . . . . . . . . . . . . . 32 1.3 Exerc´ıcios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34 1.4 Soluc¸o˜es. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54 1.5 Fichas Pra´ticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62 1.5.1 Representac¸a˜o de Matrizes . . . . . . . . . . . . . . . . . . . . . 62 1.5.2 Operac¸o˜es elementares sobre linhas. Resoluc¸a˜o de sistemas de equac¸o˜es lineares . . . . . . . . . . . . . . . . . . . . . . . . . . 69 1.5.3 Operac¸o˜es com matrizes . . . . . . . . . . . . . . . . . . . . . . 72 1.5.4 Matrizes invert´ıveis . . . . . . . . . . . . . . . . . . . . . . . . . 78 2 Determinantes e suas aplicac¸o˜es 81 2.1 Me´todos de ca´lculo de determinantes . . . . . . . . . . . . . . . . . . . 81 2.2 Aplicac¸o˜es dos determinantes . . . . . . . . . . . . . . . . . . . . . . . 88 2.2.1 Ca´lculo da inversa de uma matriz . . . . . . . . . . . . . . . . 88 2.2.2 Resoluc¸a˜o de Sistemas de equac¸o˜es lineares - Regra de Cramer . 90 3 2.3 Exerc´ıcios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95 2.4 Soluc¸o˜es . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107 2.5 Fichas Pra´ticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109 2.5.1 Determinante de uma matriz . . . . . . . . . . . . . . . . . . . . 109 3 Espac¸os e Subespac¸os Vectoriais 115 3.1 Espac¸os Vectoriais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115 3.1.1 Definic¸a˜o e Propriedades . . . . . . . . . . . . . . . . . . . . . . 115 3.1.2 Combinac¸a˜o Linear . . . . . . . . . . . . . . . . . . . . . . . . . 120 3.1.3 Dependeˆncia e independeˆncia linear . . . . . . . . . . . . . . . . 124 3.1.4 Conjunto de geradores . . . . . . . . . . . . . . . . . . . . . . . 128 3.1.5 Base e dimensa˜o . . . . . . . . . . . . . . . . . . . . . . . . . . 132 3.2 Subespac¸os vectoriais . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138 3.3 Exerc´ıcios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147 3.4 Soluc¸o˜es . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158 3.5 Fichas Pra´ticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162 3.5.1 Combinac¸o˜es lineares . . . . . . . . . . . . . . . . . . . . . . . . 162 3.5.2 Independeˆncia/Dependeˆncia linear . . . . . . . . . . . . . . . . 166 3.5.3 Base e dimensa˜o . . . . . . . . . . . . . . . . . . . . . . . . . . 169 3.5.4 Coordenadas de um vector em relac¸a˜o a uma base . . . . . . . . 170 3.5.5 Matrizes Mudanc¸a de Base . . . . . . . . . . . . . . . . . . . . . 172 4 Aplicac¸o˜es Lineares 175 4.1 Modos de definir uma aplicac¸a˜o linear . . . . . . . . . . . . . . . . . . . 175 4.2 Operac¸o˜es com aplicac¸o˜es lineares . . . . . . . . . . . . . . . . . . . . . 180 4.3 Classificac¸a˜o das aplicac¸o˜es lineares . . . . . . . . . . . . . . . . . . . . 181 4.3.1 Nu´cleo de uma aplicac¸a˜o linear . . . . . . . . . . . . . . . . . . 181 4.3.2 Espac¸o Imagem de uma aplicac¸a˜o linear . . . . . . . . . . . . . 184 4.3.3 Dimensa˜o do nu´cleo e do espac¸o imagem . . . . . . . . . . . . . 186 4.4 Diagonalizac¸a˜o de matrizes . . . . . . . . . . . . . . . . . . . . . . . . . 187 4.4.1 Vectores e valores pro´prios . . . . . . . . . . . . . . . . . . . . . 188 4.4.2 Matrizes diagonaliza´veis . . . . . . . . . . . . . . . . . . . . . . 189 4.4.3 Processo de diagonalizac¸a˜o de uma matriz . . . . . . . . . . . . 191 4.5 As aplicac¸o˜es lineares nas matrizes mudanc¸a de base . . . . . . . . . . 192 4.6 Exerc´ıcios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 194 4.7 Soluc¸o˜es . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 203 4.8 Fichas Pra´ticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 207 4.8.1 Transformac¸o˜es lineares. Imagem e nu´cleo . . . . . . . . . . . . 207 4 4.8.2 Valores e vectores pro´prios . . . . . . . . . . . . . . . . . . . . . 211 5 Geometria Anal´ıtica 219 5.1 Introduc¸a˜o . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 219 5.1.1 Espac¸o Afim . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 219 5.2 Problemas na˜o me´tricos entre subespac¸os afins . . . . . . . . . . . . . . 226 5.3 Problemas me´tricos entre subespac¸os afins . . . . . . . . . . . . . . . . 229 5.3.1 Distaˆncia entre subespac¸os afins de R3 . . . . . . . . . . . . . . 229 5.3.2 Amplitude do aˆngulo formado por dois subespac¸os afins . . . . . 232 5.4 Exerc´ıcios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 235 Bibliografia 269 5 6 Cap´ıtulo 1 Sistemas de equac¸o˜es lineares. Matrizes 1.1 Introduc¸a˜o 1.1.1 Sistemas de equac¸o˜es lineares Dada a importaˆncia e a aplicabilidade dos sistemas de equac¸o˜es lineares, recordemos os conceitos de equac¸a˜o linear e sistema de equac¸o˜es lineares. Definic¸a˜o 1.1.1 Uma equac¸a˜o linear nas varia´veis x1, . . . , xn e´ uma equac¸a˜o da for- ma a1x1 + . . .+ anxn = b (1.1) onde a1, . . . , an, b sa˜o nu´meros reais ou complexos. Os ai, i = 1, . . . , n sa˜o os coefi- cientes e b e´ o termo independente da equac¸a˜o. Exemplo 1.1.1 As equac¸o˜es √ 2x− y + 3z = 5, (1.2) x− 2y = 1 (1.3) e x = 1 (1.4) sa˜o equac¸o˜es lineares, enquanto que as equac¸o˜es 2xy − z = 1 e x2 + y = 3 na˜o sa˜o lineares devido aos termos 2xy e x2, respectivamente. 7 8 CAPI´TULO 1. SISTEMAS DE EQUAC¸O˜ES LINEARES. MATRIZES Definic¸a˜o 1.1.2 O conjunto de soluc¸o˜es da equac¸a˜o a1x1 + . . .+ anxn = b e´: {(r1, . . . , rn) ∈ Cn : a1r1 + . . .+ anrn = b} . No conjunto R os conjuntos soluc¸a˜o das equac¸o˜es (1.2), (1.3) e (1.4) do Exemplo 1.1.1, sa˜o respectivamente: { (x, y, z) ∈ R3 : √ 2x− y + 3z = 5 } ,{ (x, y) ∈ R2 : x− 2y = 1} , {x ∈ R : x = 1} . E´ de salientar que o conjunto soluc¸a˜o de uma equac¸a˜o varia de acordo com o conjunto definido. Consideremos a equac¸a˜o linear x−2y = 1. Em R2 esta equac¸a˜o tem infinitas soluc¸o˜es reais, como por exemplo (2, 1/2) , enquanto que em C2 tem essas mesmassoluc¸o˜es, mais as infinitas soluc¸o˜es complexas, como por exemplo (2 + i, (1 + i) /2) , ou seja, o conjunto{ (x, y) ∈ C2 : x− 2y = 1} ⊃ {(x, y) ∈ R2 : x− 2y = 1} . Definic¸a˜o 1.1.3 Um sistema de m equac¸o˜es lineares com n inco´gnitas e´ da forma a11x1 + a12x2 + . . . + a1nxn = b1 a21x1 + a22x2 + . . . + a2nxn = b2 ... ... ... ... . . . ... ... ... ... am1x1 + am2x2 + . . . + amnxn = bm (1.5) onde os aij, i = 1, . . . ,m, j = 1, . . . , n e bi sa˜o escalares (reais ou complexos) e designam-se, respectivamente, por coeficientes e termos independentes. Caso nada se diga em contra´rio, consideramos que os escalares sa˜o reais e o conjunto soluc¸a˜o esta´ contido em Rn. Definic¸a˜o 1.1.4 O conjunto de soluc¸o˜es (ou apenas conjunto soluc¸a˜o) do sistema (1.5) e´ {(r1, . . . , rn) ∈ Rn : (r1, . . . , rn) e´ soluc¸a˜o de cada uma das m equac¸o˜es do sistema} ou seja, o conjunto soluc¸a˜o e´ a intersecc¸a˜o dos conjuntos soluc¸a˜o de cada uma das m equac¸o˜es do sistema. Os sistemas de equac¸o˜es podem ser classificados tendo em conta o seu conjunto soluc¸a˜o. Um sistema diz-se poss´ıvel quando ha´ uma ou mais soluc¸o˜es comuns a`s equac¸o˜es que o constituem, sendo determinado se admite uma u´nica soluc¸a˜o e indeterminado quando tem va´rias soluc¸o˜es. O sistema e´ imposs´ıvel se as equac¸o˜es na˜o teˆm soluc¸a˜o comum. Definic¸a˜o 1.1.5 Dois sistemas sa˜o equivalentes quando teˆm o mesmo conjunto soluc¸a˜o. Os problemas essenciais relativamente aos sistemas de equac¸o˜es lineares que vamos abordar dizem respeito a` sua resoluc¸a˜o e classificac¸a˜o. 1.1. INTRODUC¸A˜O 9 1.1.2 Me´todo de Eliminac¸a˜o de Gauss A utilizac¸a˜o do me´todo de substituic¸a˜o para a resoluc¸a˜o de sistemas de equac¸o˜es lineares torna-se por vezes demasiado exaustiva. Esta exausta˜o e´ tanto maior quanto maior for o nu´mero de equac¸o˜es e inco´gnitas do sistema. A introduc¸a˜o de um me´todo que permite a transformac¸a˜o de um dado sistema de equac¸o˜es lineares noutro equivalente, mais simples de resolver, e´ enta˜o o objectivo desta subsecc¸a˜o. O me´todo que vamos estudar designa-se por Me´todo de Eliminac¸a˜o de Gauss, ou simplesmente Me´todo de Gauss. A descric¸a˜o deste me´todo sera´ feita com base no exemplo que se segue. Exemplo 1.1.2 Dado o sistema 2x + y + 4z = 2 6x + y = −10 −x + 2y − 10z = −4 (1.6) simplifiquemos este sistema, utilizando o Me´todo da Eliminac¸a˜o de Gauss. 1o Passo: Identificar o 1◦ elemento pivot, que e´ um escalar na˜o nulo. Consideremos como pivot, deste primeiro passo de eliminac¸a˜o, o coeficiente 2 da inco´gnita x na 1a equac¸a˜o. Assim, vamos somar mu´ltiplos da 1a equac¸a˜o a`s restantes, de forma a eliminar o termo em x dessas equac¸o˜es. Assim, obtemos 2x + y + 4z = 2 −2y − 12z = −16 5 2 y − 8z = −3 2o Passo: No segundo passo de eliminac¸a˜o, identifica-se o 2◦ elemento pivot, coeficiente −2 da inco´gnita y na 2a equac¸a˜o e soma-se a` 3a equac¸a˜o um mu´ltiplo da 2a, de forma a eliminar o termo em y da 3a equac¸a˜o, obtendo-se 2x + y + 4z = 2 −2y − 12z = −16 −23z = −23 . (1.7) Termina, assim, o me´todo de eliminac¸a˜o de Gauss. Nos va´rios passos utilizados, foram efectuadas as seguintes operac¸o˜es, designadas por operac¸o˜es elementares (sobre equac¸o˜es): i) Multiplicar uma equac¸a˜o por um escalar na˜o nulo; 10 CAPI´TULO 1. SISTEMAS DE EQUAC¸O˜ES LINEARES. MATRIZES ii) Adicionar a uma equac¸a˜o um mu´ltiplo de uma outra equac¸a˜o. Nota: A multiplicac¸a˜o de equac¸o˜es de um sistema por zero pode alterar a soluc¸a˜o do sistema. E´ conveniente salientar que nem sempre e´ directa a aplicac¸a˜o do me´todo de elimi- nac¸a˜o de Gauss. Surgem dificuldades quando um elemento que se pretende usar como pivot e´ zero. Mas esta dificuldade de aplicac¸a˜o do me´todo, pode ser ultrapassada, trocando a equac¸a˜o em que o elemento e´ nulo por uma das equac¸o˜es seguintes, ou seja, considerando uma outra operac¸a˜o elementar: iii) Trocar a posic¸a˜o de duas quaisquer equac¸o˜es. Pode acontecer que a troca de equac¸o˜es na˜o resolva a dificuldade. Assim, temos que identificar o pivot, ignorando a coluna em que todos os candidatos a pivot sa˜o nulos e considerar a coluna relativa a` inco´gnita seguinte. Nestes casos o sistema na˜o tem soluc¸a˜o ou tem um conjunto infinito de soluc¸o˜es. Exemplo 1.1.3 Suponhamos que temos o seguinte sistema x + 3y − 5z + w = 0 az + 6w = b y + 7z + 8w = 1 y + (7 + a) z + 2w = 1 , a, b ∈ R. Como o coeficiente da 1a inco´gnita de todas as equac¸o˜es, excepto da 1a equac¸a˜o, e´ zero, temos que identificar o 2◦ elemento pivot que e´ o coeficiente da inco´gnita y na 2a equac¸a˜o. Surge-nos um problema: o elemento que queremos usar como pivot e´ zero, logo a alternativa e´ trocar a 2a equac¸a˜o pela 3a equac¸a˜o, obtendo-se: x + 3y − 5z + w = 0 y + 7z + 8w = 1 az + 6w = b y + (7 + a) z + 2w = 1 . Podemos, enta˜o, continuar com o processo, eliminando a inco´gnita y da u´ltima equac¸a˜o, sendo o 2◦ elemento pivot igual a 1. Desta forma surge: x + 3y − 5z + w = 0 y + 7z + 8w = 1 az + 6w = b az − 6w = 0 . Agora, identifiquemos o 3◦ elemento pivot. Se a = 0, temos, x + 3y − 5z + w = 0 y + 7z + 8w = 1 6w = b −6w = 0 , 1.1. INTRODUC¸A˜O 11 e, neste caso, o 3◦ elemento pivot e´ zero e a troca de equac¸o˜es na˜o resolve a dificuldade. Portanto o sistema na˜o tem soluc¸a˜o ou tem um conjunto infinito de soluc¸o˜es, como iremos concluir. Tomando, agora, 6 como 4◦ elemento pivot, elimina-se a u´ltima inco´gnita da u´ltima equac¸a˜o. Tem-se, enta˜o: x + 3y − 5z + w = 0 y + 7z + 8w = 1 6w = b 0 = b . Enta˜o: • Se b = 0, z tem um valor arbitra´rio e o sistema tem infinitas soluc¸o˜es (sistema poss´ıvel indeterminado); • Se b 6= 0, enta˜o a u´ltima equac¸a˜o “ 0 = b” e´ uma condic¸a˜o falsa e o sistema na˜o tem soluc¸a˜o (sistema imposs´ıvel). Se a 6= 0 podemos considerar “ a” como 3o pivot e prosseguir com a resoluc¸a˜o do sistema. E´ fa´cil generalizar e perceber como e´ poss´ıvel aplicar este me´todo a outros sistemas de m equac¸o˜es lineares a n inco´gnitas. Podemos esquematizar do seguinte modo: • Ordena-se o sistema, colocando todos os termos com inco´gnita no 1◦ membro, alinhando por colunas os termos referentes a cada inco´gnita; • Considera-se o 1◦ pivot, o coeficiente da 1a inco´gnita da 1a equac¸a˜o, se este for na˜o nulo. Caso contra´rio, troca-se a 1a equac¸a˜o por outra em que o coeficiente da 1a inco´gnita seja na˜o nulo, passando esse elemento a ser o 1◦ pivot; • Elimina-se a 1a inco´gnita de todas as equac¸o˜es, excepto da 1a equac¸a˜o (1◦ pivot); • Identifica-se o 2◦ pivot, de modo ana´logo ao 1◦ pivot, considerando o subsistema obtido a partir do anterior, retirando a equac¸a˜o que conteˆm o 1◦ pivot e as que se encontrarem antes dessa, caso haja; • Anulam-se os coeficientes por baixo do 2◦ pivot, de forma a eliminar a 2a inco´gnita de todas as equac¸o˜es, excepto das anteriores; • Procede-se analogamente nas equac¸o˜es seguintes, tomando-se para pivot da equac¸a˜o r o coeficiente na˜o nulo que multiplica a k-e´sima inco´gnita, com k ≥ r, ate´ se chegar a` u´ltima equac¸a˜o, altura em que o me´todo de eliminac¸a˜o termina. Uma sequeˆncia finita de operac¸o˜es elementares (me´todo de eliminac¸a˜o de Gauss) sobre as equac¸o˜es lineares de um sistema permite enta˜o transformar esse sistema noutro equivalente e portanto com o mesmo conjunto soluc¸a˜o. 12 CAPI´TULO 1. SISTEMAS DE EQUAC¸O˜ES LINEARES. MATRIZES Voltemos novamente ao sistema 1.7 obtido no in´ıcio desta subsecc¸a˜o. Se observarmos o sistema, verificamos que aplicando a este o me´todo de substituic¸a˜o, da u´ltima para a primeira equac¸a˜o, facilmente obtemos o seu conjunto soluc¸a˜o, C.S. = {(−2, 2, 1)} . Uma vez que o sistema 1.7 e´ obtido a partirdo sistema 1.6 por aplicac¸a˜o do me´todo de eliminac¸a˜o de Gauss, estes dois sistemas sa˜o equivalentes e portanto {(−2, 2, 1)} e´ tambe´m o conjunto soluc¸a˜o do sistema inicial 1.6. 1.2 Matrizes 1.2.1 Definic¸a˜o de matriz e submatriz Apesar de num sistema estarem sempre presentes as inco´gnitas, os coeficientes das inco´gnitas e os termos independentes, na simplificac¸a˜o de sistemas de equac¸o˜es lineares pelo me´todo de eliminac¸a˜o de Gauss so´ se trabalha efectivamente sobre os coeficientes das inco´gnitas e os termos independentes. Ou seja, somente estes escalares, nas respectivas posic¸o˜es, sa˜o importantes. Assim, mantendo as equac¸o˜es cuidadosa- mente alinhadas, termo a termo, respeitando a parte literal, os coeficientes podem ser eficientemente organizados numa disposic¸a˜o rectangular, designada por matriz. A utilizac¸a˜o de matrizes permite simplificar consideravelmente a notac¸a˜o dos sistemas. No Exemplo 1.1.2 os coeficientes que afectam as inco´gnitas sa˜o 9 e distribuem-se por 3 linhas e 3 colunas, o que significa que formam uma matriz 3 × 3, designada por matriz dos coeficientes, A = 2 1 46 1 0 −1 2 −10 . (1.8) Os 3 termos independentes que aparecem no lado direito das equac¸o˜es do sistema podem ser indicados na forma de uma matriz 3 × 1, a qual se designa por matriz coluna dos termos independentes, B = 2−10 −4 . (1.9) Utilizando a notac¸a˜o matricial podemos representar o sistema na forma [A|B], i.e., 2 1 46 1 0 −1 2 −10 ∣∣∣∣∣∣ 2 −10 −4 , (1.10) a qual se designa por matriz ampliada ou matriz completa do sistema. 1.2. MATRIZES 13 Definic¸a˜o 1.2.1 Uma matriz A do tipom×n sobre R (ou C) e´ um arranjo rectangular com mn elementos reais (ou complexos) que esta˜o organizados em m linhas e n colunas. Podemos enta˜o representar: A = a11 a12 . . . a1n a21 a22 . . . a2n ... ... . . . ... am1 am2 . . . amn . Normalmente, utilizam-se letras maiu´sculas para denotar matrizes e as respectivas letras minu´sculas indexadas com dois ı´ndices para designar os elementos ou entradas dessas matrizes. Por exemplo, o elemento da linha i coluna j da matriz A denota-se por aij. Portanto, podemos representar abreviadamente a matriz A por A = [aij] , onde i = 1, . . . ,m, j = 1, . . . , n. Representa-se a linha i da matriz A e a coluna j da matriz A, respectivamente, por ai· e a·j. Exemplo 1.2.1 Na matriz (1.8), a21 = 6, porque o elemento 6 da matriz localiza-se na 2a linha e 1a coluna. Definic¸a˜o 1.2.2 Seja A uma matriz do tipo m× n. Caso se eliminem m− l linhas e n− k colunas de A, obte´m-se uma matriz A′ do tipo l× k, que e´ uma submatriz de A. Exemplo 1.2.2 Consideremos a seguinte matriz do tipo 3× 4 : A = 1 2 3 4−2 −4 3 2 9 0 0 2 (1.11) Se eliminarmos a u´ltima linha e as duas primeiras colunas, obtemos A ′ = [ 3 4 3 2 ] que e´ uma submatriz de A do tipo 2× 2. Das matrizes referidas atra´s, podemos concluir que quer a matriz (1.8), quer a matriz (1.9), sa˜o submatrizes da matriz ampliada (1.10). Definic¸a˜o 1.2.3 Uma matriz diz-se real se todos os seus elementos sa˜o nu´meros reais. Exemplo 1.2.3 1. A matriz (1.11) e´ real. 2. A matriz B = [ ln 2 pi 0, 53 1 5 7 √ 2 ] e´ real. 3. A matriz C = [ √ 2i 3 4 + 5i 0 ] na˜o e´ real. C e´ uma matriz complexa. Caso na˜o seja dito nada em contra´rio, as matrizes que vamos considerar sera˜o matrizes reais. 14 CAPI´TULO 1. SISTEMAS DE EQUAC¸O˜ES LINEARES. MATRIZES 1.2.2 Alguns tipos particulares de matrizes Definic¸a˜o 1.2.4 Uma matriz do tipo m× n diz-se rectangular se m 6= n. Em particular, temos as seguintes definic¸o˜es: Definic¸a˜o 1.2.5 Uma matriz do tipo 1× n chama-se matriz linha:[ a11 a12 . . . a1n ] . Definic¸a˜o 1.2.6 Uma matriz do tipo m× 1 chama-se matriz coluna: a11 a21 ... am1 . Exemplo 1.2.4 1. A matriz (1.11) do tipo 3×4 e a matriz (1.9) do tipo 3×1 sa˜o matrizes rectangulares. Em particular, a matriz (1.9) e´ uma matriz coluna. 2. A matriz [ 2 1 4 7 ] e´ uma matriz linha. Nota: As matrizes linha e coluna tambe´m se designam por vectores linha e coluna, respectivamente. Definic¸a˜o 1.2.7 Uma matriz do tipo m× n diz-se quadrada se m = n : a11 a12 . . . a1n a21 a22 . . . a2n ... ... . . . ... an1 an2 . . . ann . As matrizes quadradas do tipo n × n sa˜o, geralmente, designadas por matrizes de ordem n. Por exemplo, a matriz (1.8) e´ uma matriz quadrada de ordem 3. Seja A uma matriz quadrada de ordem n. A diagonal principal de A e´ formada pelos elementos a11, a22, . . . , ann e a diagonal secunda´ria de A e´ formada pelos elementos a1n, a2 n−1, . . . , an1. Existem alguns casos particulares de matrizes quadradas: • Matriz triangular: matriz quadrada, cujos elementos acima ou abaixo da diagonal principal sa˜o todos nulos, designando-se por matriz triangular inferior, se for da forma: a11 0 . . . 0 a21 a22 . . . 0 ... ... . . . ... an1 an2 . . . ann , 1.2. MATRIZES 15 e matriz triangular superior, se for da forma: a11 a12 . . . a1n 0 a22 . . . a2n ... ... . . . ... 0 0 . . . ann . • Matriz diagonal: matriz quadrada, cujos elementos acima e abaixo da diagonal principal sa˜o todos nulos, a11 0 . . . 0 0 a22 . . . 0 ... ... . . . ... 0 0 . . . ann . • Matriz escalar: matriz diagonal, cujos elementos da diagonal principal tomam todos o mesmo valor, a 0 . . . 0 0 a . . . 0 ... ... . . . ... 0 0 . . . a . • Matriz identidade: matriz escalar, cujos elementos da diagonal principal teˆm o valor 1, 1 0 . . . 0 0 1 . . . 0 ... ... . . . ... 0 0 . . . 1 . A matriz identidade de ordem n, representa-se por In. 1.2.3 Operac¸o˜es elementares com matrizes. Resoluc¸a˜o de sistemas - Me´todo de eliminac¸a˜o de Gauss Vamos enta˜o simplificar sistemas de equac¸o˜es lineares na forma matricial aplicando o me´todo de eliminac¸a˜o de Gauss. Vejamos a sucessa˜o de matrizes que se obteˆm efectuando transformac¸o˜es sobre as linhas, equivalentes a`s que efectuamos sobre as equac¸o˜es do Exemplo 1.1.2. [A|B] = 2 1 46 1 0 −1 2 −10 ∣∣∣∣∣∣ 2 −10 −4 −−−−−−−−−−−−−−→−3L1 + L2 −→ L2 1 2 L1 + L3 −→ L3 2 1 40 −2 −12 0 5 2 −8 ∣∣∣∣∣∣ 2 −16 −3 −−−−−−−−−−−−→ 5 4 L2 + L3 −→ L3 2 1 40 −2 −12 0 0 −23 ∣∣∣∣∣∣ 2 −16 −23 16 CAPI´TULO 1. SISTEMAS DE EQUAC¸O˜ES LINEARES. MATRIZES Compare cada uma das matrizes com os sistemas de equac¸o˜es lineares do exemplo 1.1.2. Facilmente verificamos que as matrizes ampliadas de qualquer sistema se obteˆm umas das outras aplicando operac¸o˜es elementares sobre linhas, equivalentes a`s operac¸o˜es elementares ja´ referidas para equac¸o˜es: i) Multiplicar uma linha por um escalar na˜o nulo; ii) Adicionar a uma linha da matriz um mu´ltiplo de outra linha; iii) Trocar a posic¸a˜o de duas linhas da matriz. Estas operac¸o˜es designam-se por operac¸o˜es elementares de matrizes sobre li- nhas. O mesmo pode acontecer com as colunas. Definic¸a˜o 1.2.8 Duas matrizes dizem-se equivalentes se uma delas pode ser obtida da outra, realizando-se um nu´mero finito de operac¸o˜es elementares de matrizes. Exemplo 1.2.5 Podemos dizer que a matriz (1.8) e´ equivalente a` matriz: 2 1 40 −2 −12 0 0 −23 e a matriz ampliada (1.10) e´ equivalente a` matriz 2 1 40 −2 −12 0 0 −23 ∣∣∣∣∣∣ 2 16 −23 . Vimos, enta˜o, que a simplificac¸a˜o de um sistema de equac¸o˜es lineares, aplicando o me´todo de Gauss, se torna mais fa´cil se utilizarmos a notac¸a˜o matricial. No entanto, se o nosso objectivo for determinar o conjunto soluc¸a˜o do sistema, temos que reescrever a u´ltima matriz na forma de sistema de equac¸o˜es e resolveˆ-lo pelo me´todo de substituic¸a˜o. Contudo, o me´todo deeliminac¸a˜o de Gauss na˜o se aplica so´ para simplificar ma- trizes que representam sistemas de equac¸o˜es lineares. Em geral, este me´todo, quando aplicado a`s matrizes, tem por objectivo a obtenc¸a˜o de uma matriz que se designa por matriz escalonada. Definic¸a˜o 1.2.9 Designa-se por matriz escalonada uma matriz onde o nu´mero de zeros precedentes ao primeiro elemento na˜o nulo da linha aumenta de linha para linha ate´ que, se poss´ıvel, so´ sobrem linhas nulas. 1.2. MATRIZES 17 Por exemplo, a matriz ∗ × × × × × 0 ∗ × × × × 0 0 0 ∗ × × 0 0 0 0 ∗ × 0 0 0 0 0 0 , e´ uma matriz escalonada, onde ∗ e´ elemento pivot (primeiro elemento na˜o nulo em cada linha) e × sa˜o elementos que podem, ou na˜o, ser nulos. Por vezes, as matrizes escalonadas sa˜o designadas por matrizes condensadas, da´ı que alguns autores designem o processo de transformar uma matriz numa matriz escalonada, atrave´s das operac¸o˜es elementares de matrizes (me´todo de eliminac¸a˜o de Gauss), por me´todo da condensac¸a˜o de matrizes. Definic¸a˜o 1.2.10 Designa-se por matriz escalonada reduzida uma matriz escalonada em que os seus elementos pivot sa˜o iguais a 1 e os u´nicos na˜o nulos das suas colunas. Por exemplo, a matriz 1 0 × 0 0 × 0 1 × 0 0 × 0 0 0 1 0 × 0 0 0 0 1 × 0 0 0 0 0 0 , e´ uma matriz escalonada reduzida. Podemos sempre atrave´s de operac¸o˜es elementares escalonar uma matriz, isto e´, identificar sucessivamente o elemento pivot e anular todos os elementos da mesma coluna que se encontrem abaixo deste - Me´todo de eliminac¸a˜o de Gauss. E ainda reescrever esta matriz escalonada como uma matriz escalonada reduzida ou seja, transformar os elementos pivot no nu´mero real 1 e anular todos os elementos da mesma coluna que se encontrem acima deste - Me´todo de Jordan. 1.2.4 Resoluc¸a˜o de sistemas - Me´todo de Eliminac¸a˜o de Gauss- Jordan Tal como ja´ vimos, depois de aplicar o me´todo de eliminac¸a˜o de Gauss na re- soluc¸a˜o de sistemas de equac¸o˜es lineares na forma matricial, transformamos a matriz ampliada escalonada num sistema de equac¸o˜es lineares e, pelo me´todo de substituic¸a˜o determinamos o conjunto soluc¸a˜o do sistema. Alternativamente a` segunda fase deste processo de resoluc¸a˜o (me´todo de substituic¸a˜o) podemos, mantendo o sistema na forma matricial, determinar o seu conjunto soluc¸a˜o. Para tal, basta transformar a matriz ampliada escalonada numa matriz escalonada reduzida e retirar directamente, a partir desta, a soluc¸a˜o do sistema. Este processo de resoluc¸a˜o designa-se por me´todo de 18 CAPI´TULO 1. SISTEMAS DE EQUAC¸O˜ES LINEARES. MATRIZES Eliminac¸a˜o de Gauss-Jordan. Aplicando o me´todo de eliminac¸a˜o de Gauss-Jordan ao sistema do exemplo 1.1.2 temos [A|B] = 2 1 46 1 0 −1 2 −10 ∣∣∣∣∣∣ 2 −10 −4 −−−−−−−−−−−−−−→−3L1 + L2 −→ L2 1 2 L1 + L3 −→ L3 2 1 40 −2 −12 0 5 2 −8 ∣∣∣∣∣∣ 2 −16 −3 −−−−−−−−−−−−→ 5 4 L2 + L3 −→ L3 2 1 40 −2 −12 0 0 −23 ∣∣∣∣∣∣ 2 −16 −23 −−−−−−−−−−−→− 123L3 −→ L3−1 2 L2 −→ L2 2 1 40 1 6 0 0 1 ∣∣∣∣∣∣ 2 8 1 −−−−−−−−−−−−−−→−6L3 + L2 −→ L2 −4L3 + L1 −→ L1 2 1 00 1 0 0 0 1 ∣∣∣∣∣∣ −2 2 1 −−−−−−−−−−−−−→−1L2 + L1 −→ L1 2 0 00 1 0 0 0 1 ∣∣∣∣∣∣ −4 2 1 −−−−−−−−→ 1 2 L1 −→ L1 1 0 00 1 0 0 0 1 ∣∣∣∣∣∣ −2 2 1 . Logo C.S. = {(−2, 2, 1)} Estudamos enta˜o dois processos para a resoluc¸a˜o de sistemas de equac¸o˜es lineares ambos com um princ´ıpio de resoluc¸a˜o comum, o me´todo de eliminac¸a˜o de Gauss. Este me´todo consiste em transformar a matriz ampliada que define o sistema numa matriz escalonada. Depois de obtida esta matriz, dois processos podem ser utilizados: • Escrever a matriz escalonada na forma de um sistema de equac¸o˜es lineares e terminar a resoluc¸a˜o do sistema utilizando o me´todo de substituic¸a˜o; • Continuar a aplicar as operac¸o˜es elementares de matrizes, ate´ obter uma matriz escalonada reduzida (me´todo de Jordan). 1.2.5 Discussa˜o de sistemas Dado um sistema de equac¸o˜es lineares podemos, sem conhecer o seu conjunto soluc¸a˜o, classifica´-lo. Quando o sistema e´ indeterminado, ha´ um certo nu´mero de varia´veis, chamadas varia´veis livres, que podem tomar valores arbitra´rios. O nu´mero de varia´veis deste tipo definem o seu grau de indeterminac¸a˜o. Estas varia´veis sa˜o as correspondentes a colunas que na˜o conteˆm pivots. As inco´gnitas que se exprimem em func¸a˜o das varia´veis livres, chamadas inco´gnitas principais, sa˜o obviamente, as correspondentes a colunas que conteˆm pivots. O nu´mero de pivots e´ igual ao nu´mero das inco´gnitas principais e e´ igual ao nu´mero de linhas na˜o nulas, no final do processo de eliminac¸a˜o. A este nu´mero chama-se caracter´ıstica da matriz do sistema. Formalmente, podemos enta˜o definir: 1.2. MATRIZES 19 Definic¸a˜o 1.2.11 A caracter´ıstica de uma matriz A e´ o nu´mero de linhas na˜o nulas da matriz na sua forma escalonada e representa-se por r(A) ou c(A). Nota: Se todos os elementos de uma linha de uma matriz sa˜o nulos, diz-se que essa linha e´ nula. Exemplo 1.2.6 Consideremos os seguintes sistemas: 1. 2x + y + 4z = 2 6x + y = −10 −2x + 2y − 10z = −4 , cuja matriz ampliada escalonada pode ser, como ja´ vimos, 2 1 40 −2 −12 0 0 −23 ∣∣∣∣∣∣ 2 −16 −23 e o conjunto soluc¸a˜o e´ {(−2, 2, 1)} . 2. x − 2y − 3z = 2 x − 4y − 13z = 14 −3x + 5y + 4z = 0 , cuja matriz ampliada correspondente e´ 1 −2 −31 −4 −13 −3 5 4 ∣∣∣∣∣∣ 2 14 0 . Aplicando as operac¸o˜es elementares de matrizes sobre linhas, podemos obter a matriz ampliada escalonada 1 −2 −30 1 5 0 0 0 ∣∣∣∣∣∣ 2 −6 0 , a partir da qual obtemos o conjunto soluc¸a˜o: {(−10− 7z,−6− 5z, z) : z ∈ R} . 3. x − 2y − 3z = 2 x − 4y − 13z = 14 −3x + 5y + 4z = 2 , cuja matriz ampliada correspondente e´ 1 −2 −31 −4 −13 −3 5 4 ∣∣∣∣∣∣ 2 14 2 e a matriz ampliada escalonada 1 −2 −30 1 5 0 0 0 ∣∣∣∣∣∣ 2 −6 2 . Deduz-se, enta˜o, que o conjunto soluc¸a˜o do sistema e´ o conjunto vazio, Ø, que tambe´m se pode representar por {} . Analisando as matrizes ampliadas escalonadas dos treˆs sistemas acima descritos, os respectivos conjuntos soluc¸a˜o, e considerando que [A|B] representa a matriz ampliada, A a matriz dos coeficientes, ambas escalonadas, e nincg o nu´mero de inco´gnitas do sistema, temos: 20 CAPI´TULO 1. SISTEMAS DE EQUAC¸O˜ES LINEARES. MATRIZES Sistema nincg r(A) r([A|B]) Conjunto soluc¸a˜o Classificac¸a˜odo sistema 1. 3 3 3 {(−2, 2, 1)} Sistema poss´ıvel determinado 2. 3 2 2 {(−10− 7z,−6− 5z, 7) : z ∈ R} Sistema poss´ıvel indeterminado 3. 3 2 3 Ø Sistema imposs´ıvel Tabela 1.1: Classificac¸o˜es dos sistemas anteriores, atrave´s da caracter´ıstica e do nu´mero de inco´gnitas. Analisando criteriosamente, podemos concluir que: • r([A|B]) =r(A) = nincg: sistema poss´ıvel e determinado, • r([A|B]) =r(A) < nincg: sistema poss´ıvel e indeterminado, • r([A|B]) 6=r(A): sistema imposs´ıvel. O grau de indeterminac¸a˜o, ou seja, o nu´mero de varia´veis livres de um sistema de equac¸o˜es linares e´ igual a nincg−r(A) . 1.2.6 Sistemas Homoge´neos Definic¸a˜o 1.2.12 Um sistema homoge´neo e´ um sistema cujos termos independentes de todas as equac¸o˜es sa˜o nulos, isto e´, a11x1 + a12x2 + . . . + a1nxn = 0 a21x1 + a22x2 + . . . + a2nxn = 0 ... ... ... ... . . . ... ... ... ... am1x1 + am2x2 + . . . + amnxn = 0 . Os sistemas homoge´neos sa˜o sempre poss´ıveis, pois admitem sempre a soluc¸a˜o nula (soluc¸a˜o trivial), podendo ser determinados ou indeterminados. Teorema 1.2.1 Um sistema homoge´neo com mais inco´gnitas que equac¸o˜es e´ poss´ıvel indeterminado. Nota: Dado um sistema de equac¸o˜es lineares, designa-se por sistema homoge´neo associado a ele o sistemaque resulta do anterior por substituic¸a˜o de todos os termos independentes por zero. 1.2. MATRIZES 21 1.2.7 Operac¸o˜es com matrizes E´, de todo, importante na˜o ficarmos com a noc¸a˜o de que as matrizes se utilizam apenas para representar e resolver sistemas de equac¸o˜es lineares. Visto que o campo de aplicac¸a˜o das matrizes e´ muito vasto, abrangendo na˜o so´ as diversas a´reas da pro´pria Matema´tica, desde a Ana´lise ate´ a` Estat´ıstica e a` Investigac¸a˜o Operacional, como as dos cursos de F´ısica, Engenharia, Economia, Agronomia, etc. Enta˜o, torna-se necessa´rio fazer um estudo exaustivo sobre este novo conceito. No aˆmbito da disciplina, vamos apenas considerar matrizes e escalares reais, embora todos os resultados que vamos apresentar, no que diz respeito a`s matrizes, sejam tambe´m va´lidos no conjunto dos nu´meros complexos. Igualdade de matrizes Definic¸a˜o 1.2.13 Sejam A = [aij] e B = [bij] matrizes do tipo m × n. Diz-se que A e B sa˜o matrizes iguais se aij = bij, ∀i, j, 1 ≤ i ≤ m, 1 ≤ j ≤ n. Exemplo 1.2.7 1. As matrizes A = [ 1 3 5 0 1 −1 ] e B = [ 1 3 5 0 1 −1 ] sa˜o ma- trizes iguais do tipo 2× 3. 2. As matrizes C = [ 1 2 3 4 ] e D = [ (−1)2 √4 3 16 4 ] sa˜o matrizes quadradas iguais de ordem 2. Adic¸a˜o de matrizes Definic¸a˜o 1.2.14 Sejam A = [aij] e B = [bij] matrizes do tipo m×n. A matriz soma S = A + B, e´ uma matriz do tipo m× n, onde S = [sij] e sij = aij + bij, 1 ≤ i ≤ m, 1 ≤ j ≤ n. Exemplo 1.2.8 Sejam A = 1 −13 0 4 1 e B = 3 20 0 1 0 matrizes do tipo 3×2. Enta˜o A + B = 1 −13 0 4 1 + 3 20 0 1 0 = 4 13 0 5 1 , em que A + B e´ uma matriz do tipo 3× 2. 22 CAPI´TULO 1. SISTEMAS DE EQUAC¸O˜ES LINEARES. MATRIZES Propriedades da adic¸a˜o de matrizes: Teorema 1.2.2 Seja Mm×n o conjunto de todas as matrizes reais do tipo m × n. Enta˜o (i) (A+B) + C = A+ (B + C) , ∀A,B,C ∈Mm×n (ii) A+B = B + A, ∀A,B ∈Mm×n (iii) ∃O ∈Mm×n : A+O = O + A = A, ∀A ∈Mm×n (iv) ∀A ∈Mm×n, ∃A′ ∈Mm×n : A+ A′ = A′ + A = O Nota: A matriz O e´ uma matriz do tipo m × n em que todos os seus elementos sa˜o nulos e representa-se abreviadamente por O = [0]m×n . Multiplicac¸a˜o de matrizes por um escalar Definic¸a˜o 1.2.15 O produto de uma matriz A = [aij] do tipo m×n por um escalar λ e´ uma matriz C = [cij] do mesmo tipo m× n, onde cij = λaij, 1 ≤ i ≤ m, 1 ≤ j ≤ n. Exemplo 1.2.9 Seja A = 1 3 1−1 2 0 3 4 5 do tipo 3× 3. 1. Para λ = 2, temos λA = 2 1 3 1−1 2 0 3 4 5 = 2 6 2−2 4 0 6 8 10 , em que 2A e´ uma matriz do tipo 3× 3. 2. Para λ = −1, temos λA = −1 1 3 1−1 2 0 3 4 5 = −1 −3 −11 −2 0 −3 −4 −5 = −A. Nota: Subtrair duas matrizes A = [aij] e B = [bij] do tipo m× n, na˜o e´ mais do que somar A = [aij] com −B = [−bij] , visto que A+ (−B) = A−B. Propriedades da multiplicac¸a˜o de matrizes por um escalar: Teorema 1.2.3 Seja Mm×n o conjunto de todas as matrizes reais do tipo m × n. Enta˜o (i) λ (A+B) = λA+ λB, ∀A,B ∈Mm×n, ∀λ ∈ R (ii) (λ+ µ)A = λA+ µA, ∀A ∈Mm×n, ∀λ, µ ∈ R 1.2. MATRIZES 23 (iii) (λµ)A = λ (µA) , ∀A ∈Mm×n, ∀λ, µ ∈ R (iv) 1A = A, ∀A ∈Mm×n (v) 0A = O, ∀A ∈Mm×n Multiplicac¸a˜o de matrizes A multiplicac¸a˜o da matriz A pela matriz B so´ e´ poss´ıvel se o nu´mero de colunas da matriz A e´ igual ao nu´mero de linhas da matriz B, sendo a matriz produto uma matriz, cujo nu´mero de linhas e´ igual ao nu´mero de linhas da matriz A e o nu´mero de colunas e´ igual ao nu´mero de colunas da matriz B. Definic¸a˜o 1.2.16 Sejam A e B duas matrizes do tipo m×n e n×q, respectivamente. A matriz produto, P = AB, e´ uma matriz do tipo m× q onde, P = [pij] e pij = n∑ k=1 aikbkj, 1 ≤ i ≤ m, 1 ≤ j ≤ q. Exemplo 1.2.10 1. Sejam as matrizes A = [ 3 1 2 0 −1 4 ] do tipo 2× 3 e B = −2 01 7 1 −5 do tipo 3× 2. Como o nu´mero de colunas de A e´ 3 e o nu´mero de linhas de B e´ 3 o produto e´ poss´ıvel. Temos enta˜o AB = [ 3× (−2) + 1× 1 + 2× 1 3× 0 + 1× 7 + 2× (−5) 0× (−2) + (−1)× 1 + 4× 1 0× 0 + (−1)× 7 + 4× (−5) ] = [ −3 −3 3 −27 ] , onde AB e´ uma matriz do tipo 2× 2. 2. E´ importante tomarmos conscieˆncia que se considerarmos a matriz coluna for- mada por todas as inco´gnitas do exemplo 1.1.2 , matriz X, designada por matriz das inco´gnitas, a matriz dos coeficientes A e a matriz dos termos independentes B, de acordo com a definic¸a˜o de multiplicac¸a˜o de matrizes, temos AX = B ⇔ 2 1 46 1 0 −1 2 −10 . xy z = 2−10 −4 ⇔ ⇔ 2x+ y + 4z6x+ y −x+ 2y − 10z = 2−10 −4 ⇔ 2x + y + 4z = 2 6x + y = −10 −x + 2y − 10z = −4 24 CAPI´TULO 1. SISTEMAS DE EQUAC¸O˜ES LINEARES. MATRIZES Podemos enta˜o generalizar dizendo que, sendo A e B matrizes, do tipo n×n e n×1, respectivamente e X uma matriz coluna n × 1, cujos elementos sa˜o as varia´veis do sistema, facilmente se verifica que a equac¸a˜o AX = B representa um sistema de n equac¸o˜es com n inco´gnitas, em que A e´ a matriz dos coeficientes, B a coluna dos termos independentes e X a matriz coluna das varia´veis. Analisemos algumas situac¸o˜es em que a multiplicac¸a˜o de matrizes se comporta de modo diferente da multiplicac¸a˜o efectuada com nu´meros reais. 1. Dadas duas matrizes A e B, o facto de estar definido o produto AB na˜o sig- nifica que esteja definido o produto BA. Por exemplo, para as matrizes A =[ 3 2 1 0 −1 1 ] e B = 01 2 , temos AB = [ 3 2 1 0 −1 1 ] 01 2 = [ 4 1 ] , mas BA na˜o esta´ definido, porque a matriz B tem 1 coluna e A tem 2 linhas. 2. Dadas duas matrizes A e B, o facto dos produtos AB e BA estarem definidos na˜o significa que AB = BA. Por exemplo, para as matrizes A = [ 1 0 −1 0 ] e B = [ 0 1 −1 0 ] , temos que AB = [ 1 0 −1 0 ] [ 0 1 −1 0 ] = [ 0 1 0 −1 ] e BA = [ 0 1 −1 0 ] [ 1 0 −1 0 ] = [ −1 0 −1 0 ] . Portanto AB 6= BA. Ou seja, o produto de matrizes na˜o e´ comutativo. 3. Quando duas matrizes quadradas A e B sa˜o tais que AB = BA, dizem-se permuta´veis. Por exemplo, as matrizes A = [ 1 1 1 2 ] e B = [ 2 1 1 3 ] sa˜o permuta´veis, porque AB = [ 3 4 4 7 ] = BA. 4. O produto de duas matrizes pode ser nulo sem que nenhuma das matrizes intervenientes o seja, isto e´, a lei do anulamento do produto na˜o e´ va´lida para o produto de matrizes. Por exemplo, o produto das matrizes A = [ 1 1 1 1 ] e B = [ 1 1 −1 −1 ] e´ AB = [ 1 1 1 1 ] [ 1 1 −1 −1 ] = [ 0 0 0 0 ] = O, sem que A e B sejam matrizes nulas. 1.2. MATRIZES 25 5. O produto das matrizes A por B pode ser igual ao produto das matrizes A por C, com A 6= O, sem que as matrizes B e C sejam iguais, isto e´, a lei do cancelamento na˜o e´ va´lida para o produto de matrizes. Por exemplo, sendo A = [ 1 2 2 4 ] 6= O2, B = [ 2 1 3 2 ] e C = [ −2 7 5 −1 ] temos que AB = AC = [ 8 5 16 10 ] e B 6= C Propriedades da multiplicac¸a˜o de matrizes: Teorema 1.2.4 Seja M o conjunto de todas as matrizes reais. Enta˜o, sempre que fac¸am sentido as operac¸o˜es indicadas, temos que (i) (AB)C = A (BC) , ∀A,B,C ∈M (ii) A (B + C) = AB + AC, ∀A,B,C ∈M (iii) (B + C)A = BA+ CA, ∀A,B,C ∈M (iv) λ (AB) = (λA)B = A (λB) , ∀A,B ∈M, ∀λ ∈ R (v) OA = O ∧BO = O, ∀A,B ∈M (vi) IA = A ∧BI = B, ∀A,B ∈M Definic¸a˜o 1.2.17 Seja A uma matriz quadrada, na˜o nula, de ordem n e k ∈ N0. As poteˆncias de A definem-se do seguinte modo: A0 = In, A1 = A, A2 = AA, . . . Ak+1 = AkA. Exemplo 1.2.11 Consideremos a matriz 2× 2, A = [ 0 1 −1 0 ] . Temos que: A2 = AA = [ 0 1 −1 0 ] [ 0 1 −1 0 ] = [ −1 0 0 −1 ] , A3 = A2A = [ −1 0 0 −1 ] [ 0 1 −1 0 ] = [ 0 −1 1 0 ] , A4 = A3A = [0 −1 1 0 ] [ 0 1 −1 0 ] = [ 1 0 0 1 ] = I2. 26 CAPI´TULO 1. SISTEMAS DE EQUAC¸O˜ES LINEARES. MATRIZES Definic¸a˜o 1.2.18 Seja A uma matriz quadrada de ordem n. Se existir p ∈ N \ {1} tal que Ap = A e para qualquer k ∈ N \ {1} , k < p, tem-se Ak 6= A, enta˜o A diz- -se matriz perio´dica de per´ıodo p. No caso particular de p = 2, a matriz A diz-se idempotente. Exemplo 1.2.12 No Exemplo 1.2.11, vimos que A2 6= A, A3 6= A e A4 6= A. Mas A5 = A4A = [ 1 0 0 1 ] [ 0 1 −1 0 ] = [ 0 1 −1 0 ] = A. Logo, A e´ perio´dica de per´ıodo 5. Exemplo 1.2.13 A matriz identidade e´ uma matriz idempotente, porque I2 = I · I, e pela propriedade (vi) do teorema 1.2.4, temos I · I = I. Portanto I2 = I. Definic¸a˜o 1.2.19 Se, para uma matriz quadrada A de ordem n, existe p ∈ N tal que Ap = O e, para qualquer k ∈ N, k < p temos Ak 6= O, diz-se que A e´ nilpotente de grau p. Exemplo 1.2.14 Seja a matriz quadrada de ordem 2, A = [ 0 1 0 0 ] . Temos que A2 = AA = [ 0 1 0 0 ] [ 0 1 0 0 ] = [ 0 0 0 0 ] = O. Logo, A e´ uma matriz nilpotente de grau 2. Transposta de uma matriz Definic¸a˜o 1.2.20 Seja A = [aij] uma matriz do tipo m × n. A transposta da ma- triz designa-se por AT e e´ uma matriz do tipo n × m, que se obte´m de A trocando ordenadamente as linhas com as colunas, ou seja, AT = [aji] . Exemplo 1.2.15 Seja A = 2 2 −3 1 0 0 6 −7 . A matriz transposta de A e´ AT = [ 2 −3 0 6 2 1 0 −7 ] . 1.2. MATRIZES 27 Propriedades da transposta de uma matriz: Teorema 1.2.5 Seja M o conjunto de todas as matrizes reais. Enta˜o, sempre que as operac¸o˜es estejam definidas, temos que: (i) (A+B)T = AT +BT , ∀A,B ∈M (ii) ( AT )T = A, ∀A ∈M (iii) (λA)T = λAT , ∀A ∈M, ∀λ ∈ R (iv) (AB)T = BTAT , ∀A,B ∈M O conceito de transposta de uma matriz permite-nos definir mais dois tipos parti- culares de matrizes: Definic¸a˜o 1.2.21 Seja A uma matriz quadrada. A matriz A e´ sime´trica se e so´ se A = AT . Exemplo 1.2.16 1. Seja A = 1 −2 5−2 2 0 5 0 3 logo AT = 1 −2 5−2 2 0 5 0 3 = A. 2. Como IT = I, a matriz I e´ uma matriz sime´trica. Nota: Uma matriz quadrada e´ sime´trica quando os elementos situados simetricamente em relac¸a˜o a` diagonal principal sa˜o iguais, a11 a12 . . . a1n a12 a22 . . . a2n ... ... . . . ... a1n a2n . . . ann . Definic¸a˜o 1.2.22 Seja A uma matriz quadrada. A matriz A e´ anti-sime´trica se e so´ se A = −AT . Exemplo 1.2.17 Consideremos a matriz A = 0 1 2−1 0 6 −2 −6 0 logo −AT = 0 1 2−1 0 6 −2 −6 0 = A. 28 CAPI´TULO 1. SISTEMAS DE EQUAC¸O˜ES LINEARES. MATRIZES Nota: Uma matriz quadrada e´ anti-sime´trica se os elementos da diagonal principal sa˜o nulos e os elementos localizados simetricamente em relac¸a˜o a essa diagonal sa˜o sime´tricos, 0 a12 . . . a1n −a12 0 . . . a2n ... ... . . . ... −a1n −a2n . . . 0 . Teorema 1.2.6 Para toda a matriz quadrada A, A + AT e´ uma matriz sime´trica e A− AT e´ uma matriz anti-sime´trica. Teorema 1.2.7 Seja A uma matriz do tipo m× n. Enta˜o r(A) =r(AT ) . Exemplo 1.2.18 Consideremos a matriz escalonada A = 2 1 40 −2 −12 0 0 −23 . A transposta de A e´ a matriz AT = 2 0 01 −2 0 4 −12 −23 . Escalonando a matriz AT , 2 0 01 −2 0 4 −12 −23 −−−−−−−−−−−−−−→−23L1 + L2 −→ L2−2L1 + L3 −→ L3 2 0 00 −2 0 0 −12 −23 −−−−−−−−−−−→6L2 + L3 −→ L3 2 0 00 −2 0 0 0 −23 Logo r(AT ) = r(A) = 3. Trac¸o de uma matriz Definic¸a˜o 1.2.23 Seja A = [aij] uma matriz quadrada de ordem n. O trac¸o de uma matriz A representa-se por tr(A) e e´ a soma dos elementos da sua diagonal principal isto e´, tr(A) = ∑n i=1 aii. Exemplo 1.2.19 Seja A = −1 0 05 −2 4 3 3 3 . O trac¸o da matriz A e´: tr (A) = (−1) + (−2) + 3 = 0. 1.2. MATRIZES 29 Propriedades do trac¸o de uma matriz: Teorema 1.2.8 Seja Mn o conjunto de todas as matrizes reais de ordem n. Enta˜o (i) tr(A+B) =tr(B + A) =tr(B)+tr(A) , ∀A,B ∈Mn (ii) tr(λA) = λtr(A) , ∀A,B ∈Mn, ∀λ ∈ R (iii) tr(AB) =tr(BA) , ∀A,B ∈Mn (iv) tr(ABC) =tr(BCA) =tr(CAB) , ∀A,B,C ∈Mn (v) tr ( AT ) =tr(A) , ∀A ∈Mn Matrizes invert´ıveis Definic¸a˜o 1.2.24 Seja A uma matriz quadrada. Chama-se inversa de A a uma matriz que se representa por A−1, tal que AA−1 = A−1A = I. Uma matriz que admite inversa e´ normalmente designada por matriz invert´ıvel, mas tambe´m se pode designar por matriz regular ou na˜o singular. Toda a matriz invert´ıvel e´ quadrada, mas nem todas as matrizes quadradas sa˜o invert´ıveis. De facto, recordando a definic¸a˜o 1.2.16, e´ fa´cil ver que so´ podem ser invert´ıveis as matrizes quadradas. Exemplo 1.2.20 A inversa de uma matriz pode ser determinada a partir da definic¸a˜o 1.2.24. Seja A = [ 1 2 0 0 ] . Procuremos A−1 = [ a b c d ] , tal que: AA−1 = I2, A−1A = I2.[ 1 2 0 0 ] [ a b c d ] = [ 1 0 0 1 ] ⇔ [ a+ 2c b+ 2d 0 0 ] = [ 1 0 0 1 ] . Como podemos observar, estas duas matrizes nunca sera˜o iguais para quaisquer que sejam a, b, c e d. Portanto a matriz A na˜o tem inversa. Exemplo 1.2.21 Para calcular a inversa de uma matriz A = [ 1 2 −1 0 ] , consideran- do a definic¸a˜o 1.2.24 temos que determinar B tal que AB = I e BA = I. Assim,[ 1 2 −1 0 ] [ a b c d ] = [ 1 0 0 1 ] ⇔ [ a+ 2c b+ 2d −a −b ] = [ 1 0 0 1 ] . Pela igualdade de matrizes temos que: a = 0, b = −1, c = 1 2 , e d = 1 2 . 30 CAPI´TULO 1. SISTEMAS DE EQUAC¸O˜ES LINEARES. MATRIZES Logo a matriz [ 0 −1 1 2 1 2 ] e´ a “candidata”a inversa de A. Verifiquemos se para esta matriz se verifica[ 0 −1 1 2 1 2 ] .A = I ⇔ [ 0 −1 1 2 1 2 ] [ 1 2 −1 0 ] = [ 1 0 0 1 ] . Logo [ 0 −1 1 2 1 2 ] e´ a inversa da matriz A, isto e´ A−1 = [ 0 −1 1 2 1 2 ] . Imaginemos que se pretendia o ca´lculo da inversa de uma matriz de ordem 4. O me´todo descrito anteriormente levaria a` resoluc¸a˜o de um sistema de 16 equac¸o˜es a 16 inco´gnitas. Facilmente se depreende que este e´ um me´todo muito trabalhoso para matrizes de ordem superior a 3. O problema ultrapassa-se aplicando as operac¸o˜es elementares de matrizes sobre linhas, de acordo com a seguinte regra pra´tica: 1. Dispor lado a lado a matriz An e a matriz identidade In, isto e´, considerar a matriz ampliada [An|In] . 2. Efectuar operac¸o˜es elementares de matrizes sobre linhas na matriz [An|In] de modo a transforma´-la na matriz ampliada equivalente [Cn|Dn], sendo C uma matriz escalonada. • Se Cn tem pelo menos uma linha nula, a matriz An na˜o admite inversa. • Se Cn e´ uma matriz triangular superior continuamos a aplicar operac¸o˜es elementares sobre a matriz ampliada [Cn|Dn] de modo a transformar Cn numa matriz escalonada reduzida, isto e´, na matriz In. As operac¸o˜es que simultaneamente se efectuam na matrizDn, transformam-na na matriz A −1 n . Ou seja, obtemos a matriz ampliada [In|A−1n ] e portanto a matriz An admite inversa. Esquematizando, se A e´ uma matriz invert´ıvel temos [An|In] −→ . . . −→ [In|A−1n ] (operac¸o˜es elementares de matrizes sobre linhas) Tabela 1.2: Aplicac¸a˜o das operac¸o˜es elementares de matrizes sobre linhas no ca´lculo da inversa. Exemplo 1.2.22 Consideremos a matriz A = 2 1 71 3 2 5 3 4 . Determinemos, se exis- tir, a matriz inversa A−1, aplicando operac¸o˜es elementares de matrizes sobre linhas. [A|I] = 2 1 71 3 2 5 3 4 ∣∣∣∣∣∣ 1 0 0 0 1 0 0 0 1 −−−−−→L1 ↔ L2 1 3 22 1 7 5 3 4 ∣∣∣∣∣∣ 0 1 0 1 0 0 0 0 1 1.2. MATRIZES 31 −−−−−−−−−−−−−−→−2L1 + L2 −→ L2 −5L1 + L3 −→ L3 1 3 20 −5 3 0 −12 −6 ∣∣∣∣∣∣ 0 1 0 1 −2 0 0 −5 1 −−−−−−−−−−−−−−→ −12 5 L2 + L2 −→ L3 1 3 20 −5 3 0 0 −66 5 ∣∣∣∣∣∣ 0 1 0 1 −2 0 −12 5 −1 5 1 −−−−−−−−−−→ − 5 66 L3 −→ L3 1 3 20 −5 3 0 0 1 ∣∣∣∣∣∣ 0 1 0 1 −2 0 2 11 1 66 − 5 66 −−−−−−−−−−−−−−→−3L3 + L2 −→ L3 −2L3 + L1 −→ L1 1 3 00 −5 0 0 0 1 ∣∣∣∣∣∣ − 4 11 32 33 5 33 5 11 −45 22 15 66 2 11 1 66 − 5 66 −−−−−−−−−→ −1 5 L2 −→ L2 1 3 00 1 0 0 0 1 ∣∣∣∣∣∣ − 4 11 32 33 5 33− 1 11 9 22 − 1 22 2 11 1 66 − 5 66 −−−−−−−−−−−−−→−3L2 + L1 −→ L1 1 0 00 1 0 0 0 1 ∣∣∣∣∣∣ − 1 11 −17 66 19 66− 1 11 9 22 − 1 22 2 11 1 66 − 5 66 . Temos enta˜o que A−1 = − 111 −1766 1966− 1 11 9 22 − 1 22 2 11 1 66 − 5 66 . Propriedades da inversa de matrizes: Teorema 1.2.9 Seja MIn o conjunto de todas as matrizes reais invert´ıveis de ordem n. Enta˜o (i) (A−1)−1 = A, ∀A ∈MIn (ii) (AB)−1 = B−1A−1, ∀A,B ∈MIn (iii) ( Ak )−1 = (A−1)k , ∀A ∈MIn, ∀k ∈ N (iv) (λA)−1 = 1 λ A−1, ∀A ∈MIn, ∀λ ∈ R\ {0} (v) ( AT )−1 = (A−1)T , ∀A ∈MIn (vi) I−1 = I No Teorema 1.2.9(ii) provamos que o produto de duas matrizes invert´ıveis ainda e´ uma matriz invert´ıvel, mas o mesmo na˜o se passa com a soma. 32 CAPI´TULO 1. SISTEMAS DE EQUAC¸O˜ES LINEARES. MATRIZES Exemplo 1.2.23 Consideremos as matrizes I = [ 1 0 0 1 ] e A = [ −1 0 0 −1 ] . Estas duas matrizes sa˜o invert´ıveis. Mas I + A = [ 1 0 0 1 ] + [ −1 0 0 −1 ] = [ 0 0 0 0 ] na˜o e´ uma matriz invert´ıvel. Aplicando o resultado que se segue, podemos saber a` priori se uma dada matriz admite ou na˜o inversa. Teorema 1.2.10 Uma matriz quadrada A de ordem n e´ invert´ıvel se e so´ se r(A) = n. Definic¸a˜o 1.2.25 Seja A uma matriz quadrada invert´ıvel. A matriz A diz-se orto- gonal se A−1 = AT . Exemplo 1.2.24 Consideremos a matriz A = [ 1 2 √ 3 2√ 3 2 −1 2 ] . Como A−1 = [ 1 2 √ 3 2√ 3 2 −1 2 ] = AT , a matriz A e´ uma matriz ortogonal. 1.2.8 Aplicac¸a˜o da inversa de matrizes na resoluc¸a˜o de sis- temas de equac¸o˜es lineares Vimos na subsecc¸a˜o 1.2.7 que um sistema pode ser representado matricialmente pela equac¸a˜o AX = B. Caso A tenha inversa, a determinac¸a˜o do conjunto soluc¸a˜o do sistema resume-se a` resoluc¸a˜o da referida equac¸a˜o matricial, ou seja, AX = B ⇔ A−1AX = A−1B ⇔ IX = A−1B ⇔ X = A−1B. Logo o conjunto soluc¸a˜o e´ {A−1B} . Exemplo 1.2.25 Consideremos o seguinte sistema de equac¸o˜es lineares: 2x + y + 7z = 1 x + 3y + 2z = 2 5x + 3y + 4z = 3 . Na forma matricial este sistema toma a forma AX = B ⇐⇒ 2 1 71 3 2 5 3 4 xy x = 12 3 . 1.2. MATRIZES 33 Do exemplo 1.2.22 sabemos que a matriz A e´ invert´ıvel e A−1 = − 111 −1766 1966− 1 11 9 22 − 1 22 2 11 1 66 − 5 66 . Logo AX = B ⇐⇒ 2 1 71 3 2 5 3 4 xy x = 12 3 ⇐⇒ − 111 −1766 1966− 1 11 9 22 − 1 22 2 11 1 66 − 5 66 2 1 71 3 2 5 3 4 xy x = − 111 −1766 1966− 1 11 9 22 − 1 22 2 11 1 66 − 5 66 12 3 ⇐⇒ 1 0 00 1 0 0 0 1 xy x = 176613 22− 1 66 ⇐⇒ xy x = 176613 22− 1 66 ⇐⇒ X = A−1B. Portanto C.S. = { A−1B } = {( 17 66 , 13 22 ,− 1 66 )} . Observe-se que este processo de resoluc¸a˜o de sistemas exige que a matriz A, de ordem n, admita inversa. De acordo com o teorema 1.2.10 isso so´ acontece se r(A) = n e esta condic¸a˜o so´ se verifica nos sistemas poss´ıveis e determinados. 34 CAPI´TULO 1. SISTEMAS DE EQUAC¸O˜ES LINEARES. MATRIZES 1.3 Exerc´ıcios Matrizes. Resoluc¸a˜o de Sistemas. Exerc´ıcio 1.3.1 Deˆ exemplo de uma matriz real: (a) Quadrada de ordem 3; (b) Rectangular do tipo 4× 2; (c) Linha do tipo 1× 6; (d) Coluna do tipo 4× 1; (e) Triangular superior de ordem 5; (f) Diagonal de ordem 4; (g) Escalar de ordem 3. Exerc´ıcio 1.3.2 (a) Escreva por extenso a matriz de ordem m× n definida por: i. A = [aij] e aij = i+ j (m = 5, n = 4); ii. B = [bij] e bij = 2 sei = j −1 se |i− j| = 1 0 caso contra´rio (m = 5, n = 4); iii. D = [dij] e dij = (−1)i+j (m = n = 3) . (b) Para cada uma das matrizes quadradas determinadas na al´ınea anterior, indique os elementos que constituem a diagonal principal. Exerc´ıcio 1.3.3 * Seja o sistema de equac¸o˜es lineares 2x + y = 5 3x + 6y + z = 1 5x + 7y + z = 8 . (a) Verifique se x = 2, y = 1 e z = −11 e´ uma soluc¸a˜o do sistema. (b) Sem passar o sistema a` forma matricial, resolva-o usando o me´todo de eliminac¸a˜o de Gauss. (c) Escreva relativamente ao sistema apresentado, a matriz dos coeficientes, a matriz dos termos independentes e a matriz ampliada. (d) Resolva matricialmente o sistema, usando o me´todo de eliminac¸a˜o de Gauss. 1.3. EXERCI´CIOS 35 Exerc´ıcio 1.3.4 * Sejam os seguintes sistemas de equac¸o˜es lineares: A : 3x + 2y − 5z = 8 2x − 4y − 2z = −4 x − 2y − 3z = −4 , B : 2x + 4y + 6z = −6 3x − 2y − 4z = −38 x + 2y + 3z = −3 e C : x + 2y = 4 −3x + 4y = 3 2x − y = −6 . (a) Resolva os sistemas atrave´s do me´todo de eliminac¸a˜o de Gauss ou Gauss-Jordan. Classifique os sistemas. (b) Determine a caracter´ıstica da matriz dos coeficientes e da matriz ampliada de cada sistema. (c) Compare os valores da caracter´ıstica que obteve na al´ınea anterior, com a classi- ficac¸a˜o dos respectivos sistemas. Que pode concluir? Exerc´ıcio 1.3.5 Calcule a caracter´ıstica de cada uma das matrizes: (a) A = 1 0 −1 2 2 3 1 −1 0 2 2 1 −3 1 4 1 (b) B = 1 0 −1 2 1 1 1 −1 0 −1 −2 3 5 2 −1 4 −1 2 5 −8 Exerc´ıcio 1.3.6 * Sejam as seguintes matrizes: A = 0 β 01 0 0 0 0 1 , X = xy z e H = α1 γ . Discuta o sistema AX = H, em func¸a˜o de α, β e γ. Exerc´ıcio 1.3.7 * (Exame escrito - 2o momento / 17-Fev-2000) Discuta a caracter´ıstica da matriz A = 0 0 a 1 2 2 0 a 0 0 a b 3 0 6 a , em func¸a˜o dos valores dos paraˆmetros a e b. 36 CAPI´TULO 1. SISTEMAS DE EQUAC¸O˜ES LINEARES. MATRIZES Exerc´ıcio 1.3.8 * Resolva e classifique os seguintes sistemas de equac¸o˜es lineares: (a) x + z = 2 y − z = 2 3x + y + z = 4 ; (b) { x + 4y + 6z = 0 −3 2 x − 6y − 9z = 0 ; (c) x + 2y − z = 1 2x − 3y + 6z = 2 3x − y + 5z = 3 ; (d) x + z + w = 2 y − z − w = 2 3x + y + z − 2w = 4 ; (e) x + y + 2z = 1 −x + 3y + 5z = 2 2y + z = −1 6y + 8z = 2 ; (f) x + 2y + z = 1 2x − 3y − z = 2 − y + 2z = −3 3x − 2y + 2z = 0 3x − 2z = 6 . Exerc´ıcio 1.3.9 Suponhamos que A e´ uma matriz quadrada escalonada reduzida por linhas. Mostre que se A 6= I, sendo I a matriz identidade, enta˜o A tem uma linha nula. Exerc´ıcio 1.3.10 Considere o sistema de equac¸o˜es lineares nas inco´gnitas x1, x2, x3 e x4 cuja matriz ampliada e´ [A|b] = 0 1 1 1−2 2 0 2 −2 3 1 3 ∣∣∣∣∣∣ 0 −1 −1 (a) Resolva o sistema homoge´neo associado. (b) Verifique que ( 3 2 , 0,−1, 1) e´ soluc¸a˜o do sistema dado. Exerc´ıcio 1.3.11 Considere o sistema cuja matriz ampliada tem a forma [A|B] = 1 2 12 5 3 −1 1 β ∣∣∣∣∣∣ 0 0 0 1.3. EXERCI´CIOS 37 (a) Diga, justificando, se o sistema pode ser imposs´ıvel. (b) Indique os valores de β para os quais o sistema tem uma infinidade de soluc¸o˜es. Exerc´ıcio 1.3.12 * Seja o seguinte sistema de equac¸o˜es lineares: αx + βy = γ βy − 1z = 1 x + γz = 2 . Que relac¸a˜o devem verificar α, β e γ para o sistema so´ admitir uma varia´vel livre? Exerc´ıcio 1.3.13 * Seja o sistema de equac¸o˜es lineares representado pela matriz ampliada quese segue: a 1 0 0 −2 1 −4 0 b 0 −1 2 ∣∣∣∣∣∣∣∣ 0 −1 −7 c . (a) Para que valores de a, b e c, o vector (1, 2, 3) e´ soluc¸a˜o do sistema? (b) Para que valores dos paraˆmetros a e b, o respectivo sistema homoge´neo associado e´ indeterminado? (c) Qual e´ a soluc¸a˜o do sistema homoge´neo que a` partida conhece, sem ter de resolver o sistema? Este sistema homoge´neo tem mais soluc¸o˜es? Operac¸o˜es com Matrizes. Exerc´ıcio 1.3.14 * Calcule os valores de m e n para que as matrizes A e B sejam iguais. (a) A = [ 8 15n 12 +m 3 ] e B = [ 8 75 6 3 ] ; (b) A = [ m2 − 40 n2 + 4 6 3 ] e B = [ 41 13 6 3 ] . Exerc´ıcio 1.3.15 * Calcule, se poss´ıvel: (a) [ 1 2 −3 4 0 −5 1 −1 ] + [ 3 −5 6 −1 2 0 −2 −3 ] ; (b) [ 1 2 −3 0 −4 1 ] + [ 3 5 1 −2 ] ; 38 CAPI´TULO 1. SISTEMAS DE EQUAC¸O˜ES LINEARES. MATRIZES (c) −3 [ 1 2 −3 4 −5 5 ] . Exerc´ıcio 1.3.16 * Dadas as matrizes: A = [ 0 1 2 3 ] e B = [ 1 1 0 0 ] . (a) Calcule A+B e B + A. (b) Olhando para os resultados que obteve, que pode concluir? Exerc´ıcio 1.3.17 * Dadas as matrizes: A = [ −1 2 3 4 0 1 ] , B = [ 2 3 −1 −2 0 −1 ] e C = [ 1 1 0 0 0 1 ] . (a) Indique o tipo da matriz A e os elementos a11 e a23. (b) Determine A+B, A−B e λA+ µ (B + C) . (c) Verifique que (A+B) + C = A+ (B + C) e (λ+ µ)A = λA+ µA. Exerc´ıcio 1.3.18 Prove que: (a) A+B = B + A; ∀A,B ∈Mm×n (b) A+O = O + A = A; ∀A ∈Mm×n (c) (λ+ µ)A = λA+ µA; ∀A ∈Mm×n ∀λ, µ ∈ R (d) (λµ)A = λ (µA) ; ∀A ∈Mm×n ∀λ, µ ∈ R (e) 0A = O; ∀A ∈Mm×n Exerc´ıcio 1.3.19 * Considerem-se as matrizes: A = [ 1 0 −1 1 2 1 ] e B = [ 0 −1 1 1 2 1 ] . Determine: (a) A+ 1 2 B − 2 (A+B) ; (b) A+B − 1 2 (A−B) . Exerc´ıcio 1.3.20 * (Exame escrito - 2o momento / 17-Fev-2000) Verifique se exis- tem escalares α, β e θ tais que:[ 3 3 0 −2 ] = α [ 1 1 0 −1 ] + β [ 0 1 1 1 ] + θ [ −1 0 1 1 ] . 1.3. EXERCI´CIOS 39 Exerc´ıcio 1.3.21 * Encontre x, y, z e w tais que: 3 [ x y z w ] = [ x 6 −1 2w ] + [ 4 x+ y z + w 3 ] . Exerc´ıcio 1.3.22 * Sejam as seguintes matrizes: A = [ 1 1 1 2 1 3 ] , B = [ 5 1 0 0 2 4 ] e C = [ 0 0 0 1 3 4 ] . (a) Determine a matriz X tal que: 1 2 (X + A) = 3 [X + (A−X)] + C. (b) Determine as matrizes X e Y tais que:{ 2X − Y = A − B X + Y = B − A . Exerc´ıcio 1.3.23 * Sejam as matrizes: A = 1 23 4 5 6 e B = −3 −21 −5 4 3 . Determine a matriz D de modo a que se verifique A+B −D = O. Exerc´ıcio 1.3.24 Considere as matrizes A, B, C e D do tipo 4 × 3, 4 × 3, 3 × 4, e 4 × 2, respectivamente. Diga quais das seguintes expresso˜es identificam matrizes, e nesses casos indique o tipo da matriz resultado. (a) AB; (b) (A+B)C; (c) ACD; (d) 2ACA+B. Exerc´ıcio 1.3.25 * Denote por (m× n) uma matriz com forma m × n. Encontre a forma dos seguintes produtos, se o produto e´ definido: (a) (4× 1) (1× 2) ; (b) (1× 2) (3× 1) ; (c) (3× 4) (3× 4) ; (d) (2× 2) (2× 4) . 40 CAPI´TULO 1. SISTEMAS DE EQUAC¸O˜ES LINEARES. MATRIZES Exerc´ıcio 1.3.26 Considere a matriz A = 3 −1 −11 1 −1 1 −1 1 Verifique que: (a) A2 − 3A+ 2I3 = O3 (b) AI3 = A = I3A (c) AO3 = O3 (d) 2A− 3A = −A Exerc´ıcio 1.3.27 * Sejam A = [ 2 −1 0 1 0 −3 ] e B = 1 −4 0 12 −1 3 −1 4 0 −2 0 . (a) Determine a forma de AB. (b) Seja cij o elemento da i-e´sima linha e j-e´sima coluna do produto matricial AB, isto e´, AB = [cij] . Determine c23, c14 e c21, sem calcular a matriz produto AB. Exerc´ıcio 1.3.28 * Seja A = [ 1 3 4 −3 ] . Encontre U = [ x y ] , na˜o nulo, tal que AU = 3U. Exerc´ıcio 1.3.29 * Dadas as matrizes: A = 1 −2 3 1 7 −4 5 9 , B = [ 1 3 −5 −76 2 −8 3 ] , C = [ 2 4 −3 5 ] e D = 2 1 −3 4 1 2 0 1 . Determine: (a) AB; (b) (BA)C; (c) (A+D)B; (d) BA; (e) (λA)B; (f) A (λB) ; 1.3. EXERCI´CIOS 41 (g) AB +DB; (h) B (AC) ; (i) λ (AB) . Exerc´ıcio 1.3.30 Demonstre, sempre que fac¸am sentido as operac¸o˜es indicadas: (a) A (B + C) = AB + AC; ∀A,B,C ∈M (b) (B + C)A = BA+ CA; ∀A,B,C ∈M (c) k (AB) = (kA)B = A (kB) ; ∀A,B ∈M, ∀k ∈ R (d) OA = O ∧BO = O; ∀A,B ∈M (e) IA = A = AI; ∀A ∈M Exerc´ıcio 1.3.31 Simplifique a expressa˜o seguinte onde A, B e C representam ma- trizes quadradas com a mesma ordem, A (B + C) +B (C − A)− (A+B)C Exerc´ıcio 1.3.32 * Diz-se que as matrizes A e B comutam se AB = BA. Encontre as matrizes [ x y z w ] que comutam com [ 1 1 0 1 ] . Exerc´ıcio 1.3.33 Considere um sistema AX = B, com duas soluc¸o˜es distintas, x1 e x2. Prove que, sendo α1 e α2 dois nu´meros reais, tais que α1 + α2 = α, enta˜o α1x1 + α2x2 e´ soluc¸a˜o do sistema AX = αB. Exerc´ıcio 1.3.34 Se o sistema de equac¸o˜es AX = B possui duas soluc¸o˜es distintas x1 e x2, prove que αx1 + (1− α)x2 tambe´m e´ soluc¸a˜o, qualquer que seja o nu´mero α. Aproveite este resultado para mostrar que, se o sistema AX = B admite duas soluc¸o˜es distintas, enta˜o existe uma infinidade de soluc¸o˜es. Exerc´ıcio 1.3.35 Considere o sistema AX = B, onde A e´ uma matriz tal que A2 = A. Sendo x1 e x2 duas soluc¸o˜es deste sistema, prove que x3 = Ax1 − x2 e´ uma soluc¸a˜o do sistema homoge´neo associado. Exerc´ıcio 1.3.36 * Em cada uma das al´ıneas, deˆ exemplos de matrizes 2 × 2, com componentes reais e com a propriedade indicada: (a) A2 = −I; (b) B2 = O, com B 6= O; (c) CD = −DC, com CD 6= O; 42 CAPI´TULO 1. SISTEMAS DE EQUAC¸O˜ES LINEARES. MATRIZES (d) EF = O, sendo as componentes de E e de F todas diferentes de zero. Exerc´ıcio 1.3.37 Desenvolva a expressa˜o (A+B)3 no caso de: (a) A e B serem matrizes de ordem n quaisquer. (b) A e B serem permuta´veis. Exerc´ıcio 1.3.38 * (a) Verifique que as igualdades indicadas na˜o sa˜o va´lidas para todas as matrizes 2×2 : (A+B)2 = A2 + 2AB +B2 e (A+B) (A−B) = A2 −B2. (b) Corrija os lados direitos destas igualdades de forma a obter fo´rmulas correctas para todas as matrizes. (c) Para que matrizes A, B sa˜o va´lidas as formulas indicadas na al´ınea (a)? Exerc´ıcio 1.3.39 Dada a matriz A = [ 2 −1 2 −1 ] (a) Determine uma matriz B quadrada de ordem 2, na˜o nula, tal que AB = O2. (b) Deˆ exemplo de matrizes na˜o nulas X e Y tais que AX = AY mas X 6= Y Exerc´ıcio 1.3.40 Dadas as matrizes: I = [ 1 0 0 1 ] e Y = [ 0 1 −1 0 ] , mostre que: (a) Y 2 = −I; (b) Y 4 = I; (c) (aI + bY ) (aI − bY ) = (a2 + b2) I, a, b ∈ R. Exerc´ıcio 1.3.41 Determine a matriz X tal que A+ 3X = B onde A = [2i− 3j] e B = [i+ j] , com i = 1, 2, 3, 4 e j = 1, 2. 1.3. EXERCI´CIOS 43 Exerc´ıcio 1.3.42 * Determine todas as matrizes A quadradas de ordem 2, tais que A2 = O. Exerc´ıcio 1.3.43 * Considere a matriz: A = 0 0 12 1 0 1 0 0 . (a) Calcule as matrizes A2 e A3; (b) Determine a matriz A2 + A− I (sendo I a matriz identidade de ordem 3); (c) Deduza A4, A5 e A6 em func¸a˜o de A2, A e I. Exerc´ıcio 1.3.44 Mostre que a matriz B = 0 1 −14 −3 4 3 −3 4 e´ perio´dica de per´ıodo 3. Exerc´ıcio 1.3.45 Sendo A, B matrizes quaisquer, demonstre: (a) Se A tem uma linha nula, enta˜o AB tem uma linha nula; (b) Se B tem uma coluna nula, enta˜o AB tem uma coluna nula. Exerc´ıcio 1.3.46 * Determine a matriz transposta, AT , da matriz A = [ 2 3 −5 8 3 −7 1 9 ] . Exerc´ıcio 1.3.47 * Seja A uma matriz arbitra´ria. Sob que condic¸o˜es o produto AAT e´ definido? Exerc´ıcio 1.3.48 * Sejam A = [ 1 −1 2 0 3 4 ] , B = [ 4 0 −3 −1 −2 3 ] , C = 2 −3 0 15 −1 −4 2 −1 0 0 3 e D = 2−1 3 . Determine, se poss´ıvel: (a) (A+B)T ; (b) (AC)T ; 44CAPI´TULO 1. SISTEMAS DE EQUAC¸O˜ES LINEARES. MATRIZES (c) (λD)T ; (d) ( BT )T ; (e) ATCT ; (f) AT +BT ; (g) λDT ; (h) CTAT . Exerc´ıcio 1.3.49 Considere a matriz A = 1 0 1 2−1 2 −2 3 2 −2 3 1 (a) Determine a caracter´ıstica de A. (b) Qual a caracter´ıstica de AT? (c) Qual a caracter´ıstica de P = 2A? Exerc´ıcio 1.3.50 Prove que: (a) (A+B)T = AT +BT ; ∀A,B ∈Mm×n (b) (kA)T = kAT ;∀A ∈Mm×n, ∀k ∈ R Exerc´ıcio 1.3.51 * (1a frequeˆncia / 11-Dez-99) Dadas as matrizes reais A = 2 13 1 0 1 e B = [ 1 −2 1 0 1 1 ] , determine a matriz X tal que ( ATBTX )T = [ 2 0 −1 2 3 ] . Exerc´ıcio 1.3.52 (Exame escrito - 2o momento / 17-Fev-2000) Considere a seguinte matriz: A = I − 1 3 MTM, com M = [ 1 1 1 ] . Mostre que A2 = A. Exerc´ıcio 1.3.53 * Sejam as matrizes: [ 0 −9 3 4 8 1 ] , 4 3−1 2 8 1 e 2 −7 13 4 2 5 −9 6 . 1.3. EXERCI´CIOS 45 (a) Determine S = A+ AT , tomando para matriz A uma das matrizes anteriores de modo que S esteja definida; (b) Determine ST . Compare o resultado obtido com o da al´ınea anterior. O que pode concluir sobre a matriz S? Exerc´ıcio 1.3.54 Sejam A e B duas matrizes quadradas, de ordem 3, sime´tricas. Prove que AB e´ sime´trica se e so´ se A e B sa˜o permuta´veis. (Observac¸a˜o: O resultado e´ va´lido para matrizes de ordem n). Exerc´ıcio 1.3.55 * Sendo: A = [ 1 0 1 1 ] , B = [ 1 0 0 −1 ] e C = [ 0 0 β −1 ] e supondo que X e´ uma matriz sime´trica, estude em que condic¸o˜es a equac¸a˜o: XAB + ( BTCX )T = I tem apenas uma soluc¸a˜o. Resolva a equac¸a˜o. Exerc´ıcio 1.3.56 * Sejam as matrizes quadradas A = 2 1 10 1 3 1 −1 4 e B = 1 1 1−1 0 −1 5 4 −3 . Determine: (a) tr(A) ; (b) tr(A+B) ; (c) tr(AB) ; (d) tr(A) + tr (B) ; (e) tr ( AT ) ; (f) tr(BA) . Exerc´ıcio 1.3.57 Sendo A e B matrizes tais que AB e BA existem, prove que tr(AB) =tr(BA) . Exerc´ıcio 1.3.58 Sendo A = [ 1 0 0 0 ] e B = [ −1 1 0 −1 ] verifique que tr (A) tr (B) 6= tr (AB) . 46 CAPI´TULO 1. SISTEMAS DE EQUAC¸O˜ES LINEARES. MATRIZES Exerc´ıcio 1.3.59 * Determine, caso exista, a inversa das matrizes: (a) A = 1 1 10 1 1 0 1 1 ; (b) B = 1 2 22 −1 1 1 3 2 ; (c) C = 1 0 21 2 3 1 3 7 3 ; (d) D = [ cos θ − sin θ sin θ cos θ ] . Exerc´ıcio 1.3.60 Determine a inversa da matriz sime´trica 1 0 1 1 0 0 1 0 1 1 1 0 1 0 0 2 Exerc´ıcio 1.3.61 * Sejam A = −2 3 −11 −3 1 −1 2 −1 e B = 1 0 00 1 0 0 0 1 Determine as seguintes matrizes: (a) (A−1)−1 ; (b) B−1; (c) ( AT )−1 ; (d) (A−1)T ; (e) (AB)−1 ; (f) B−1A−1. Exerc´ıcio 1.3.62 Considere a seguinte matriz: H = [ 1 5 −2√6 5 2 √ 6 5 1 5 ] Mostre que H e´ uma matriz ortogonal. 1.3. EXERCI´CIOS 47 Exerc´ıcio 1.3.63 Prove que: (a) O produto de duas matrizes ortogonais e´ ainda uma matriz ortogonal. (b) A transposta de uma matriz ortogonal e´ ainda uma matriz ortogonal. Exerc´ıcio 1.3.64 * Sendo A uma matriz quadrada invert´ıvel que verifica a relac¸a˜o: A2 + A+ I = O, determine a sua inversa, A−1. Exerc´ıcio 1.3.65 * Considere a matriz A = 2 0 1 k 0 k + 2 0 k + 1 1 0 2 k 0 1 0 2 . (a) Determine k de modo a que A seja invert´ıvel. (b) Para k = 0 resolva a equac¸a˜o matricial AXA − B = AX, sendo B a matriz tal que bij = 1 se i+ j e´ par e bij = 0 se i+ j e´ ı´mpar. Exerc´ıcio 1.3.66 Sendo A e B matrizes quadradas de ordem n, permuta´veis, e C uma matriz tal que CT = C−1, prove que CTAC permuta com CTBC. Exerc´ıcio 1.3.67 Mostre que se A e´ sime´trica e invert´ıvel, enta˜o A−1 e´ sime´trica. Exerc´ıcio 1.3.68 Sendo A e B duas matrizes invert´ıveis e C = AB, prove que A−1CB−1 = I. Exerc´ıcio 1.3.69 * Sejam A, B e C matrizes reais sime´tricas de ordem n. As ma- trizes A e B sa˜o tais que: aij − bij = { 1, i = j 0, i 6= j . Sabendo que a matriz A e´ invert´ıvel, determine a matriz X que verifica a seguinte equac¸a˜o matricial: A ( C−1XTC +B )T = A2. 48 CAPI´TULO 1. SISTEMAS DE EQUAC¸O˜ES LINEARES. MATRIZES Aplicac¸a˜o da Inversa de uma Matriz na Resoluc¸a˜o de Sistemas. Exerc´ıcio 1.3.70 * Utilizando a inversa da matriz dos coeficientes, resolva o seguinte sistema de equac¸o˜es lineares: x + 2y + z = 0 x + y + z = 0 3x − y + z = 6 . Exerc´ıcio 1.3.71 * Considere o seguinte sistema de equac¸o˜es lineares: 2x + y − z = 4 −x + y + z = 2 y + 2z = 3 . Resolva-o, invertendo a matriz dos coeficientes. Exerc´ıcios de Exame - 2003/2004. Exerc´ıcio 1.3.72 * (Frequeˆncia - Gesta˜o / 13-Jan-2004) Considere o seguinte sis- tema: S1 : x + 2y = 1 −x + αy + z = 2 x + y + z = β Classifique o sistema S1 em func¸a˜o dos paraˆmetros reais α e β. Exerc´ıcio 1.3.73 * (Frequeˆncia - Gesta˜o / 13-Jan-2004) Considere as matrizes: A = [ −1 1 −2 1 ] , B = [ 1 −1 0 1 ] e C = 1 −11 2 0 1 (a) Resolva a equac¸a˜o matricial XA+ 2B = (DC)T , em ordem a X; (b) Determine a matriz X, sendo D a matriz tal que: di1 = 2, di3 = 0 e di2 = { 1 se i e´ par −1 se i e´ impar . Exerc´ıcio 1.3.74 * (Frequeˆncia - Gesta˜o / 13-Jan-2004) Seja AX = B um sistema de n equac¸o˜es em n inco´gnitas. Indique o valor lo´gico das seguintes afirmac¸o˜es: (a) Se AX = B e´ um sistema poss´ıvel e determinado, enta˜o a u´nica soluc¸a˜o do sistema homoge´neo associado e´ a soluc¸a˜o nula. (b) Se A admite inversa, a soluc¸a˜o do sistema AX = B e´ X = BA−1. 1.3. EXERCI´CIOS 49 Exerc´ıcio 1.3.75 * (Frequeˆncia - Gesta˜o / 13-Jan-2004) Sejam A = −1 0 01 2 0 1 1 1 e H = [ 2a 2b 6a 6b ] . Indique o valor lo´gico das seguintes afirmac¸o˜es: (a) A matriz AAT e´ sime´trica e tr(AAT ) = 15. (b) A matriz H e´ invert´ıvel. Exerc´ıcio 1.3.76 (Exame Normal / 03-Fev-2004) Sejam A = (aij), B = (bij) ma- trizes regulares e C = (cij) tal que:{ cij = 1 − bij se i = j cij = − bji se i 6= j Supondo que X e´ uma matriz sime´trica de ordem n e B = A−1, resolva a equac¸a˜o X(AB−1)−1 + (BTCX)T = I, onde I e´ a matriz identidade de ordem n. Exerc´ıcio 1.3.77 * (Exame Recurso - Gesta˜o / 17-Fev-2004) Sejam A, B e C ma- trizes quadradas invert´ıveis, de ordem n tais que A2 = A, B e´ uma matriz sime´trica e C uma matriz ortogonal. Considere-se ainda que A+ B = I. Resolva, em ordem a X, a equac¸a˜o matricial A(C−1XTC +B)T = A2. Exerc´ıcio 1.3.78 * (Exame Trabalhador-Estudante - Gesta˜o / 06-Mar-2004) Con- sidere o sistema em func¸a˜o dos paraˆmetros reais a e b: x + y + w = 0 x + 2y + z = 2 az + w = b 4z + aw = 1 (a) Determine os valores dos paraˆmetros a e b para os quais o sistema e´ imposs´ıvel. (b) Tomando a = 1, b = −1 e considerando A a matriz dos coeficientes do sistema dado: i. Determine a inversa da matriz A. ii. Calcule a soluc¸a˜o do sistema, usando a matriz calculada em i. iii. Verifique se a matriz A e´ ortogonal. Exerc´ıcio 1.3.79 * (Exame Especial - Gesta˜o / 06-Set-2004) Considere o sistema em func¸a˜o dos paraˆmetros reais a e b: x+ y + z = 1 x+ ay + z = 2 3x− 3y + az = b Discuta o sistema em func¸a˜o dos paraˆmetros reais a e b. 50 CAPI´TULO 1. SISTEMAS DE EQUAC¸O˜ES LINEARES. MATRIZES Exerc´ıcio 1.3.80 * (Exame Especial - Gesta˜o / 06-Set-2004) Supondo que A e B sa˜o matrizes invert´ıveis, resolva em ordem a X a seguinte equac¸a˜o matricial. [(AT )−1X]T + 6(AB)−1 = A Exerc´ıcios Aplicados 1. Um grande edif´ıcio de apartamentos devera´ ser constru´ıdo usando te´cnicas modulares de construc¸a˜o. A distribuic¸a˜o de apartamentos por andar deve ser feita segundo treˆs plantas ba´sicos. A planta A tem dois apartamentos T3, dois apartamentos T2 e um apartamento T1. A planta B tem dois apartamentosT3, um apartamento T2 e nenhum apartamento T1. A planta C tem dois apartamentos T3, treˆs apartamentos T2 e quatro apartamentos T1. a. E´ poss´ıvel planear um edif´ıcio com exactamente 60 apartamentos T3, 44 apartamentos T2 e 22 apartamentos T1? Se for poss´ıvel, quantos andares seguem cada uma das plantas? Foram alteradas as dimenso˜es dos apartamentos T1 no plano C, sendo apenas via´vel construir dois apartamentos T1 no plano C. b. E´ poss´ıvel planear um edif´ıcio com o nu´mero de apartamentos T1, T2, e T3, exigido na al´ınea a) ? c. Se forem constru´ıdos apenas 14 apartamentos T1, e´ poss´ıvel planear um edif´ıcio nas condic¸o˜es exigidas? Se for poss´ıvel, existe mais do que uma forma de o fazer? 1.3. EXERCI´CIOS 51 2. Na caixa de um cereal para o pequeno almoc¸o esta´ indicado o nu´mero de calorias e as quantidades de prote´ınas, carboidratos e gordura contidos numa porc¸a˜o (100g) de cereal. As quantidades para dois cereais sa˜o dadas na tabela. Suponha que queremos preparar uma mistura dos dois cereais que contenha exactamente 295 calorias, 9g de prote´ınas, 48g de carboidratos e 8g de gordura. a. Quantas varia´veis tem o problema? Indique o que elas representam. b. Determine se a mistura desejada dos dois cereais pode ser preparada. 3. Uma considerac¸a˜o importante no estudo da transfereˆncia de calor e´ a de se determinar a distribuic¸a˜o de temperatura assimpto´tica de uma placa fina quando a temperatura no seu bordo e´ conhecida. Suponha que a placa da figura representa uma secc¸a˜o transversal de uma barra de metal, com fluxo de calor despres´ıvel na direcc¸a˜o perpendicular a` placa. Sejam T1, T2, T3, T4, T5, T6 as temperaturas em seis ve´rtices interiores. A temperatura num ve´rtice e´ aproximadamente igual a` me´dia dos quatro ve´rtices vizinhos mais pro´ximos (a` esquerda, acima, a` direita e abaixo). Por exemplo, T1 = 1 4 (10 + 20 + T2 + T4) ou 4T1 − T2 − T4 = 30. a. Escreva um sistema de seis equac¸o˜es cuja soluc¸a˜o fornece a estimativa para as temperaturas T1, T2, T3, T4, T5, T6. b. Determine as temperaturas nos seis ve´rtices interiores da placa. 52 CAPI´TULO 1. SISTEMAS DE EQUAC¸O˜ES LINEARES. MATRIZES 4. No centro de uma cidade, dois conjuntos de ruas, com apenas um sentido cruzam-se, como ilustra a figura: A me´dia do nu´mero de ve´ıculos que por hora entram e saem do centro da cidade, em hora de ponta, e´ dada no diagrama. Determine, se poss´ıvel, a quantidade de ve´ıculos entre cada um dos quatro cruzamentos. 5. Uma empresa fabrica treˆs produtos. As suas despesas de produc¸a˜o sa˜o divi- didas em treˆs categorias. Em cada uma dessas categorias, faz-se uma estimativa do custo de produc¸a˜o de um u´nico exemplar de cada produto. Faz-se tambe´m uma estimativa da quantidade de cada produto a ser fabricado por trimestre, em cada ano. Essas estimativas sa˜o dadas nas tabelas seguintes. Gastos A B C Mate´ria-prima 0,10 0,30 0,15 Pessoal 0,30 0,40 0,25 Despesas gerais 0,10 0,20 0,15 Tabela 1.3: Custo de produc¸a˜o Produto Vera˜o Outono Inverno Primavera A 4000 4500 4500 4000 B 2000 2600 2400 2200 C 5800 6200 6000 6000 Tabela 1.4: Quantidade produzida por trimestre em 2004 a. Represente em matrizes as quantidades produzidas trimestralmente pela empresa, em cada ano. 1.3. EXERCI´CIOS 53 Produto Vera˜o Outono Inverno Primavera A 3000 4000 3500 5000 B 2500 2400 2400 2000 C 6000 5000 5500 6800 Tabela 1.5: Quantidade produzida por trimestre em 2005 b. Escreva a matriz que nos indique as quantidades totais de cada produto produzidas nos dois anos, em cada trimestre. c. Escreva a matriz que nos permita analisar as variac¸o˜es (trimestrais) da produc¸a˜o em 2005, relativamente a 2004. d. Escreva a matriz que permita a` empresa mostrar aos seus accionistas, o custo total por trimestre de cada uma das treˆs categorias: mate´ria-prima, pessoal e despesas gerais, em 2004. 6. O Joa˜o pesa 81 Kg. Ele quer perder peso atrave´s de um programa de dieta e exerc´ıcios. Apo´s consultar a tabela 4, ele cria o seu programa de exerc´ıcios na tabela 5. Quantas calorias vai queimar por dia, se seguir esse programa? Peso Andar (3 Km/h) Correr (9 Km/h) Andar bicicleta (9 Km/h) Jogar te´nis 69 213 651 304 420 73 225 688 321 441 77 237 726 338 468 81 249 764 356 492 Tabela 1.6: Calorias queimadas por hora Andar Correr Andar bicicleta Jogar te´nis Segunda-feira 1 0 1 0 Terc¸a-feira 0 0 0 2 Quarta-feira 0,4 0,5 0 0 Quinta-feira 0 0 0,5 2 Sexta-feira 0,4 0,5 0 0 Tabela 1.7: Horas por dia para cada actividade 7. Numa determinada cidade, por ano, 30ℵ das mulheres casadas divorciam- -se e 20ℵ das mulheres solteiras casam-se. Existem 8000 mulheres casadas e 2000 mulheres solteiras. Supondo que a populac¸a˜o total de mulheres permanece constante, quantas mulheres estara˜o casadas e e quantas estara˜o solteiras ao fim de um ano? E de dois? E de treˆs? 54 CAPI´TULO 1. SISTEMAS DE EQUAC¸O˜ES LINEARES. MATRIZES 1.4 Soluc¸o˜es. So´ os exerc´ıcios com * teˆm soluc¸a˜o. Matrizes. Resoluc¸a˜o de Sistemas. 1.3.3 (a) (x, y, z) = (2, 1,−11) na˜o e´ soluc¸a˜o do sistema de equac¸o˜es lineares. (c) A = 2 1 03 6 1 5 7 1 ; b = 51 8 ; Matriz ampliada (completa): 2 1 03 6 1 5 7 1 ∣∣∣∣∣∣ 5 1 8 . 1.3.4 (a) SA = {(3, 2, 1)} - sistema poss´ıvel e determinado; SB = { (x, y, z) : x = −41+z 4 , y = 29−13z 8 e z ∈ R} - sistema poss´ıvel e indeter- minado; (Nota: Este sistema de equac¸o˜es lineares tem uma varia´vel livre: z) SC = Ø - sistema imposs´ıvel. (b) r(A) =r[A|B] = 3; r(A) =r[A|B] = 2; r(A) = 2 e r[A|B] = 3. (c) Quando o sistema e´ poss´ıvel e determinado, r(A) =r[A|B] = n, sendo n o nu´mero de inco´gnitas; Quando o sistema e´ poss´ıvel e indeterminado, r(A) =r[A|B] < n; Quando o sistema e´ poss´ıvel e indeterminado, r(A) <r[A|B] . 1.3.6 O sistema e´: • poss´ıvel e determinado se β 6= 0, ∀α, γ ∈ R; • poss´ıvel e indeterminado com grau de indeterminac¸a˜o d = 1, para α = 0, β = 0, ∀γ ∈ R; • imposs´ıvel se β = 0 e α 6= 0, ∀γ ∈ R. 1.3.7 r(A) = 4, se b 6= 1, a 6= 0; r(A) = 3, se b = 1, a ∈ R\ {0} ou se b ∈ R e a = 0. 1.3.8 (a) Sistema poss´ıvel e determinado,S = {(−2, 6, 4)} ; 1.4. SOLUC¸O˜ES. 55 (b) Sistema poss´ıvel e indeterminado com grau de indeterminac¸a˜o 2, S = {(x, y, z) ∈ R3 : x = −4y − 6z} ; (c) Sistema poss´ıvel e indeterminado com grau de indeterminac¸a˜o 1; S = {( 1− 9 7 z, 8 7 z, z ) : z ∈ R} ; (d) Sistema poss´ıvel e indeterminado com grau de indeterminac¸a˜o 1, S = {(−2 + 3w, 6− 3w, 4− 4w,w) : w ∈ R} ; (e) Sistema poss´ıvel e determinado; S = {(0,−1, 1)} ; (f) Sistema poss´ıvel e determinado, S = {( 20 17 , 9 17 ,−21 17 )} . 1.3.12 A relac¸a˜o que α, β e γ devem verificar para o sistema so´ admitir uma varia´vel livre e´: α = −1, γ = −1, ∀β ∈ R\ {0} ou α = 1 2 , γ = 2, ∀β ∈ R\ {0} ou β = 0, α = γ 2+γ , γ 6= −2. 1.3.13 (a) O vector e´ soluc¸a˜o do sistema para: a = −2, b = −1 e c = 4. (b) O respectivo sistema homoge´neo associado na˜o e´ indeterminado para nenhum valor dos paraˆmetros a e b. (c) A soluc¸a˜o que a` partida se conhece e´ a soluc¸a˜o nula. Na˜o ha´ mais nenhuma soluc¸a˜o, uma vez que o sistema e´ poss´ıvel e determinado. Operac¸o˜es com Matrizes. 1.3.14 (a) (m,n) = (−6, 5) ; (b) (m,n) = (−9,−3) ∨ (m,n) = (−9, 3) ∨ (m,n) = (9, 3) ∨ (m,n) = (9,−3) . 56 CAPI´TULO 1. SISTEMAS DE EQUAC¸O˜ES LINEARES. MATRIZES 1.3.15 (a) [ 4 −3 3 3 2 −5 −1 −4 ] ; (b) Na˜o e´ poss´ıvel efectuar a adic¸a˜o entre as duas matrizes, porque elas teˆm tipos diferentes. Os seus tipos sa˜o 2× 3 e 2× 2, respectivamente. (c) [ −3 −6 9 −12 15 −15 ] . 1.3.16 (a) A+B = [ 1 2 2 3 ] ; B + A = [ 1 2 2 3 ] ; (b) Estas matrizes verificam a propriedade comutativa da adic¸a˜o.(Obs: Caso geral - A propriedade
Compartilhar